让 AI 创新更容易实现
Redis 通过多种旨在提高效率、降低成本以及增强可扩展性和性能的策略来支持其数据库服务中的生成式 AI 工作负载。Redis 的矢量数据库支持两种矢量索引类型：FLAT（brute force search）和 HNSW（approximate search），以及三种流行的距离度量：余弦、内积和欧几里得距离。其他功能包括范围查询、混合搜索（组合过滤器和语义搜索）、JSON 对象支持等。 Redis 通过以下方式帮助构建和部署 LLM 支持的应用程序- 检索增强生成 (RAG)：在 RAG 框架内，使用预先训练的 LLM 和客户自己的数据生成响应。许多组织希望利用生成式人工智能的力量，而不需要构建自己的模型或对现有模型进行微调。此外，他们对于是否与商业 LLM 分享其专有数据犹豫不决。这就是 Redis Enterprise 的用武之地。作为矢量数据库，它提供强大的混合语义搜索功能来精确定位相关数据。此外，它还可以部署为外部特定领域的知识库。这可确保通用 LLM 获得最相关和最新的背景信息，从而提高结果质量并减少幻觉。
- LLM 语义缓存： Redis Enterprise 通常用作可扩展缓存来存储先前回答的用户查询和结果。Redis 还使用语义缓存来识别和检索在语义上与输入查询足够相似的缓存响应，从而显着提高缓存命中率。这显着减少了发送到 LLM 服务的请求和令牌的数量，从而通过减少生成响应的时间来降低成本并提高性能。
- 推荐系统：LLM 可以作为复杂的电子商务虚拟购物助理的支柱。Redis Enteprise 的上下文理解和语义搜索使应用程序能够理解客户查询、提供个性化产品推荐，甚至模拟对话交互 —— 所有这些都是实时的。
- 文档搜索：在需要组织分析大量文档的情况下，LLM 支持的应用程序可以作为文档发现和检索的强大工具。Redis Enterprise 的混合语义搜索功能使得查明相关信息并从这些文档生成新内容成为可能。
轻松融入更大的开发者生态系统
随着 Redis 7.2 的发布，为 Redis 客户端提供了全新的指导和支持。其目前正在与五个客户端库（Jedis (Java)、node-redis (NodeJS)、redis-py (Python)、NRedisStack (.Net) 和 Go-Redis (Go)）的社区维护人员直接合作，建立文档、用户界面、治理和安全性等方面的一致性。还在 Redis Stack 和 Redis Enterprise（云和软件）中支持 RESP3 协议。
让 Redis 对开发人员来说更加强大
此版本还将实时数据的可编程性提升到了一个新的水平。Triggers 和 Functions 的公共预览版带来了服务器端事件驱动引擎，可以在数据库中执行 Typescript/JavaScript 代码。此功能允许开发人员直接在 Redis 上执行复杂的数据操作，确保跨任何客户端应用程序执行的一致性。 Triggers 和 Functions 支持集群级别的 cross-shard 读取操作。该功能是前几代 Redis 可编程引擎（例如 Lua 和函数）所不具备的。
地理空间功能也得到了改进。改进了 Redis Stack 中的多边形搜索，以方便搜索地理空间数据以查找地理区域内的信息。
还大幅提高了 Redis 数据类型排序集的性能，其通常用于创建游戏排行榜等用途。与 Redis Enterprise Cloud 6.2 相比，此增强功能带来了 30% 到 100% 的收益。
使 Redis 能够轻松地与企业工具和基础设施集成
Redis Redis Data Integration (RDI) 现已可用，这是一种直接在 Redis Enterprise 上运行的工具，可以轻松地将任何数据集转换为 Redis。开发团队捕获了最常见的用例，并通过配置界面（而不是代码）提供它们。 RDI 可以从各种来源（例如 Oracle、Postgres 或 Cassandra）获取数据，并在功能上将其转换为实时数据。同样，当数据不 “real-time” 时，RDI 可以将 Redis Enterprise 的下游更改引入记录系统，而无需添加更多代码或执行神秘的集成。
RDI（目前处于公共预览版）将源数据库中的更改直接流式传输到 Redis，并在其中进一步过滤、转换并映射为 JSON 和 Hash 等格式。
更多详情可查看官方博客：https://redis.com/blog/introducing-redis-7-2/
End
锋哥私房菜资源热门推荐
