使用Redis进行向量存储和文档存储的摄取管道

最新推荐文章于 2025-10-06 17:53:43 发布

原创最新推荐文章于 2025-10-06 17:53:43 发布 · 454 阅读

5 ·

CC 4.0 BY-SA版权

文章标签：

#redis #bootstrap #数据库 #python

本文将介绍如何使用Redis作为向量存储、缓存和文档存储，来构建一个摄取管道。我们将详细展示依赖安装、数据创建、运行摄取管道并确认文档是否成功摄取。

依赖

首先，我们需要安装Redis，并设置OpenAI API密钥。

%pip install llama-index-storage-docstore-redis
%pip install llama-index-vector-stores-redis
%pip install llama-index-embeddings-huggingface

!pip install redis

接着，启动Redis服务：

!docker run -d --name redis-stack -p 6379:6379 -p 8001:8001 redis/redis-stack:latest

配置OpenAI API密钥：

import os
os.environ["OPENAI_API_KEY"] = "sk-..."

创建初始数据

我们将创建一些测试数据：

!rm -rf test_redis_data
!mkdir -p test_redis_data
!echo "This is a test file: one!" > test_redis_data/test1.txt
!echo "This is a test file: two!" > test_redis_data/test2.txt

加载文档数据：

from llama_index.core import SimpleDirectoryReader

documents = SimpleDirectoryReader(
    "./test_redis_data", filename_as_id=True
).load_data()

运行Redis摄取管道

我们将使用向量存储附加到管道，并处理数据的插入。

from llama_index.embeddings.huggingface import HuggingFaceEmbedding
from llama_index.core.ingestion import (
    DocstoreStrategy,
    IngestionPipeline,
    IngestionCache,
)
from llama_index.core.ingestion.cache import RedisCache
from llama_index.storage.docstore.redis import RedisDocumentStore
from llama_index.core.node_parser import SentenceSplitter
from llama_index.vector_stores.redis import RedisVectorStore

embed_model = HuggingFaceEmbedding(model_name="BAAI/bge-small-en-v1.5")

pipeline = IngestionPipeline(
    transformations=[
        SentenceSplitter(),
        embed_model,
    ],
    docstore=RedisDocumentStore.from_host_and_port(
        "localhost", 6379, namespace="document_store"
    ),
    vector_store=RedisVectorStore(
        index_name="redis_vector_store",
        index_prefix="vectore_store",
        redis_url="redis://localhost:6379",
    ),
    cache=IngestionCache(
        cache=RedisCache.from_host_and_port("localhost", 6379),
        collection="redis_cache",
    ),
    docstore_strategy=DocstoreStrategy.UPSERTS,
)

nodes = pipeline.run(documents=documents)
print(f"Ingested {len(nodes)} Nodes")

确认文档是否成功摄取

创建向量索引，并确认已摄取的文档。

from llama_index.core import VectorStoreIndex

index = VectorStoreIndex.from_vector_store(
    pipeline.vector_store, embed_model=embed_model
)

print(
    index.as_query_engine(similarity_top_k=10).query(
        "What documents do you see?"
    )
)

添加数据并重新摄取

更新已有文件并添加新文件：

!echo "This is a test file: three!" > test_redis_data/test3.txt
!echo "This is a NEW test file: one!" > test_redis_data/test1.txt

重新加载文档数据并运行管道：

documents = SimpleDirectoryReader(
    "./test_redis_data", filename_as_id=True
).load_data()

nodes = pipeline.run(documents=documents)

print(f"Ingested {len(nodes)} Nodes")

确认文档：

index = VectorStoreIndex.from_vector_store(
    pipeline.vector_store, embed_model=embed_model
)

response = index.as_query_engine(similarity_top_k=10).query(
    "What documents do you see?"
)

print(response)

for node in response.source_nodes:
    print(node.get_text())