虹科干货 | 化身向量数据库的Redis Enterprise——快速、准确、高效的非结构化数据解决方案！_redis向量数据库

用户期望在他们遇到的每一个应用程序和网站都有搜索功能。然而，超过80%的商业数据是非结构化的，以文本、图像、音频、视频或其他格式存储。Redis Enterprise如何实现矢量相似性搜索呢？答案是，将AI驱动的搜索功能集成到Redis Enterprise中，以实现矢量相似性搜索。

Redis Enterprise如何实现矢量相似性搜索？

1、将原始数据转换为嵌入向量

嵌入向量是无结构数据的数值表现形式，能够捕捉语义信息，通常由人工智能模型创建。图像、文本、视频甚至是一个音频，在Huggingface Model Hub的帮助下，每种内容都可以转换成各自的嵌入向量。转换后的数据被存储在Redis中。

2、Redis支持两种向量索引方法

Flat：一种蛮力（brute force）方法，它遍历所有可能的向量进行搜索。
HNSW：一种近似搜索的方法，能够以更快的速度获得结果，但精确度较低。

3、索引只需创建一次

当新的哈希数据被存储在Redis中时，它们会自动重新建立索引。

4、Redis提供搜索功能

Redis提供搜索功能，将全文、标签和数值预过滤器与K Nearest Neighbors（KNN）向量搜索相结合。

5、Redis的优势

每秒查询次数（QPS）增加了12倍；
延迟降低至原来的十三分之一；
99.999%的高可用；
…

应用案例

• 文档检索
• 问答
• 推荐系统
• 视觉搜索

应用案例——推荐系统

应用案例——问答

推荐阅读：
《虹科Redis企业版数据库简介》
《虹科方案 | Redis Enterprise：适用于任何企业的矢量数据库解决方案》