目录
一、前言
二、向量数据库介绍
2.1 什么是向量数据库
2.2 向量数据库特点
2.3 向量数据库使用场景
三、常用的向量数据库解决方案
3.1 Milvus
3.1.1 Milvus是什么
3.1.2 Milvus主要特点
3.2 Faiss
3.2.1 Faiss是什么
3.2.2 Faiss主要特点
3.3 Pinecone
3.3.1 Pinecone是什么
3.3.2 Pinecone主要特点
3.4 Weaviate
3.4.1 Weaviate介绍
3.4.2 Weaviate主要特点
3.5 Redis Stack
3.5.1 Redis Stack介绍
3.5.2 Redis Stack核心模块
3.5.3 Redis Stack主要特点
3.5.4 Redis Stack应用场景
四、Redis向量数据库介绍
4.1 redis向量数据库是什么
4.2 向量检索核心原理
4.2.1 匹配原理
4.2.2 具体实现过程
五、整合springboot 实现向量数据库相似性搜索
5.1 前置准备
5.1.1 docker搭建Redis-Stack
5.1.2 导入maven依赖
5.1.3 获取apikey
5.1.4 添加配置文件
5.2 文本嵌入代码实现过程
5.2.1 添加一个测试接口
5.3 ETL Pipeline
5.3.1 Spring AI ETL 介绍
5.3.2 Spring AI 处理ETL完整过程
5.3.3 Spring AI ETL 技术框架
5.3.3.1 读取器 DocumentReader
5.3.3.2 文档转换器 DocumentTransformer
5.3.3.3 文档写入器 DocumentWriter
5.4 Spring AI 文档读取操作演示
5.4.1 文件读取代码演示
5.5 Spring AI 文档转换操作演示
5.5.1 添加测试接口
5.6 文档存储
5.6.1 导入依赖文件
5.6.2 配置redis信息
5.6.3 增加一个redis的向量数据库配置类
5.6.4 增加嵌入文档接口
5.6.5 增加文档检索接口
六、写在文末
一、前言
AI工具的使用让数据检索的需求场景变得越来越多，也越来越复杂，传统的关系型数据库尽管可以满足日常各类关系数据的存储，但是遇到一些文档类型，非结构化的数据时，其作用和效果就会打折扣，而且数据不仅仅是存储的需要，也需要能够满足数据分析的场景，这种情况下，就可以考虑使用向量数据库了。
二、向量数据库介绍
2.1 什么是向量数据库
向量数据库是一种优化后的数据库系统，专门设计用于高效地存储和检索高维向量数据。这些向量数据通常是从原始数据（如文本、图像、音频等）中提取的特征表示。向量数据库的核心优势在于其能够快速地进行相似性搜索，即找到与给定向量最相似的向量。
