Skip to main content
Spring AI 中的 Elasticsearch 向量数据库集成了 Elasticsearch 的向量功能，提供向量存储和搜索能力。

​
概述

Elasticsearch 向量数据库支持：
  • 分布式向量存储
  • 高级搜索功能
  • 实时向量操作
  • 全文搜索集成

​
特性

分布式存储

分布式向量存储

高级搜索

丰富的搜索功能

实时

实时操作

集成

全文搜索集成

​
实现

​
基本设置

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-elasticsearch-vectordb</artifactId>
    <version>${spring-ai.version}</version>
</dependency>

​
配置

# Elasticsearch 向量数据库配置
spring.ai.elasticsearch.vectordb.enabled=true
spring.ai.elasticsearch.vectordb.host=localhost
spring.ai.elasticsearch.vectordb.port=9200
spring.ai.elasticsearch.vectordb.index-name=vectors

​
用法

@Service
public class ElasticsearchVectorService {
    private final ElasticsearchVectorClient vectorClient;

    public ElasticsearchVectorService(ElasticsearchVectorClient vectorClient) {
        this.vectorClient = vectorClient;
    }

    public void storeVector(String id, float[] vector, Map<String, Object> metadata) {
        vectorClient.store(id, vector, metadata);
    }

    public List<SearchResult> searchSimilar(float[] queryVector, int k) {
        return vectorClient.search(queryVector, k);
    }
}

​
向量操作

​
1. 向量存储

@Configuration
public class ElasticsearchVectorStorageConfig {
    @Bean
    public VectorStorage elasticsearchVectorStorage(ElasticsearchVectorProperties properties) {
        return new ElasticsearchVectorStorage(properties);
    }
}

​
2. 相似性搜索

@Configuration
public class ElasticsearchSimilaritySearchConfig {
    @Bean
    public SimilaritySearch elasticsearchSimilaritySearch(ElasticsearchVectorProperties properties) {
        return new ElasticsearchSimilaritySearch(properties);
    }
}

​
3. 混合搜索

@Service
public class HybridSearchService {
    private final ElasticsearchVectorClient vectorClient;

    public List<SearchResult> hybridSearch(String text, float[] queryVector, int k) {
        return vectorClient.hybridSearch(text, queryVector, k);
    }
}

​
高级特性

​
自定义索引配置

@Configuration
public class IndexConfig {
    @Bean
    public IndexConfig indexConfig() {
        return IndexConfig.builder()
            .name("vector-index")
            .dimension(1536)
            .metric(MetricType.COSINE)
            .build();
    }
}

​
映射配置

@Configuration
public class MappingConfig {
    @Bean
    public MappingConfig mappingConfig() {
        return MappingConfig.builder()
            .vectorField("vector")
            .metadataFields(Arrays.asList("title", "content"))
            .build();
    }
}

​
监控

management.endpoints.web.exposure.include=elasticsearch-vectordb
management.endpoint.elasticsearch-vectordb.enabled=true

​
最佳实践

使用 Elasticsearch 向量数据库时，请考虑以下最佳实践：
  • 索引设计：设计高效的索引结构
  • 映射优化：优化字段映射
  • 分片管理：配置适当的分片
  • 查询优化：优化搜索查询
  • 监控：设置全面的监控

​
故障排除

常见问题及解决方案：
  1. 连接问题
    • 验证主机和端口
    • 检查集群健康状况
    • 查看身份验证
  2. 性能问题
    • 优化索引设置
    • 调整分片配置
    • 查看查询模式
  3. 存储问题
    • 监控索引大小
    • 配置清理
    • 查看保留策略

文档有误？请协助编辑

发现文档问题？点击此处直接在 GitHub 上编辑并提交 PR，帮助我们改进文档！
⌘I