Redis一鱼两吃：向量数据库与缓存的完美结合

(Updated: )
AI

在当今的技术生态中，Redis作为一个强大的内存数据存储系统，不仅仅是一个简单的缓存解决方案。随着AI和机器学习的蓬勃发展，Redis通过其搜索模块扩展了向量数据库的功能，使其能够在单一实例中同时服务于传统缓存和向量搜索两大场景。本文将深入探讨如何充分利用Redis的这两个强大功能。

1740533877

双重功能概述

作为缓存系统

Redis最广为人知的应用场景是作为缓存系统，它能够：

  • 通过键值对快速存取数据
  • 支持多种数据类型（字符串、哈希、列表等）
  • 提供数据过期机制
  • 实现高性能的读写操作

作为向量数据库

同时，Redis还可以作为向量数据库使用，支持：

  • 存储高维向量数据
  • 执行相似性搜索（KNN查询）
  • 支持向量范围查询
  • 提供元数据过滤功能

运行测试

1
docker run -p 6379:6379 --name redis-stack redis/redis-stack:latest

向量数据存储

Redis支持两种主要的向量存储方式：

  1. Hash存储
1
HSET docs:01 doc_embedding <vector_bytes> category sports
  1. JSON存储
1
JSON.SET docs:01 $ '{"doc_embedding":[0.34,0.63,-0.54,-0.69,0.98,0.61], "category": "sports"}'

在使用 RedisInsight 客户端进行数据可视化时，用户可以直观地查看 Redis 中存储的向量数据和其他信息。需要注意的是，使用 KEYS 命令无法查看到存储的向量数据，因为向量数据是以特定的格式存储在哈希或 JSON 中

1740152644

java sdk 接入向量

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
import io.lettuce.core.RedisClient;
import io.lettuce.core.api.StatefulRedisConnection;
import io.lettuce.core.api.sync.RedisCommands;
/**
 * @author lengleng
 */
public class LettuceVectorExample {
    public static void main(String[] args) {
        // 创建 Redis 客户端
        RedisClient redisClient = RedisClient.create("redis://localhost:6379");
        StatefulRedisConnection<String, String> connection = redisClient.connect();
        RedisCommands<String, String> commands = connection.sync();

        // 创建包含向量字段的索引
        String createIndex = "FT.CREATE myIndex ON HASH PREFIX 1 doc: SCHEMA embedding VECTOR FLAT 6 TYPE FLOAT32 DIM 4 DISTANCE_METRIC COSINE";
        commands.sendCommand("FT.CREATE", "myIndex", "ON", "HASH", "PREFIX", "1", "doc:", "SCHEMA", "embedding", "VECTOR", "FLAT", "6", "TYPE", "FLOAT32", "DIM", "4", "DISTANCE_METRIC", "COSINE");

        // 存储向量数据
        float[] vector = {0.1f, 0.2f, 0.3f, 0.4f};
        String vectorStr = floatArrayToString(vector); // 转换为字符串表示
        commands.hset("doc:1", "embedding", vectorStr);

        // 执行向量搜索（KNN）
        float[] queryVector = {0.15f, 0.25f, 0.35f, 0.45f};
        String query = "(@embedding:[VECTOR_RANGE 0.5 " + floatArrayToString(queryVector) + "])=>{$KNN: 1}";
        String result = commands.sendCommand("FT.SEARCH", "myIndex", query).toString();
        System.out.println("Search result: " + result);

        // 关闭连接
        connection.close();
        redisClient.shutdown();
    }

    // 辅助方法：将 float 数组转换为字符串
    private static String floatArrayToString(float[] vector) {
        StringBuilder sb = new StringBuilder();
        for (float v : vector) {
            sb.append(v).append(" ");
        }
        return sb.toString().trim();
    }
}

结论

Redis的双重功能为现代应用架构提供了独特的优势。通过合理配置和使用，可以在单一实例中同时满足缓存和向量搜索的需求，既节省了资源，又简化了系统架构。关键是要根据实际需求合理规划资源使用，实施适当的监控和优化策略。

参考资源