> ## Documentation Index > Fetch the complete documentation index at: https://javaai.pig4cloud.com/llms.txt > Use this file to discover all available pages before exploring further. # SAP HANA Cloud 向量数据库 # SAP HANA Cloud 向量数据库 Spring AI 支持将 [SAP HANA Cloud](https://www.sap.com/products/technology-platform/hana.html) 作为向量数据库，利用其向量引擎进行相似性搜索。 ## 添加依赖 要使用 SAP HANA Cloud 向量存储，您需要将 `spring-ai-sap-hana-store-spring-boot-starter` 依赖项添加到项目的 `pom.xml` 文件中。 该启动器包含了 `spring-ai-core` 和 SAP HANA JDBC 驱动程序。 ```xml theme={"system"} org.springframework.ai spring-ai-sap-hana-store-spring-boot-starter ``` 您还需要一个 `EmbeddingClient` 实现来为您的文档生成向量嵌入。例如，您可以添加 `spring-ai-openai-spring-boot-starter` 以使用 OpenAI 的嵌入模型： ```xml theme={"system"} org.springframework.ai spring-ai-openai-spring-boot-starter ``` ## 配置属性 在您的 `application.properties` 或 `application.yml` 文件中配置 SAP HANA Cloud 和嵌入客户端属性。 ### SAP HANA Cloud 属性 | 属性 | 描述 | 默认值 | | :---------------------------------------------------- | :---------------------------------------------------------------------- | :----------------------------------- | | `spring.ai.vectorstore.hana.host` | SAP HANA Cloud 实例的主机名或 IP 地址。 | | | `spring.ai.vectorstore.hana.port` | SAP HANA Cloud 实例的端口。 | | | `spring.ai.vectorstore.hana.username` | 用于连接到 SAP HANA Cloud 的用户名。 | | | `spring.ai.vectorstore.hana.password` | 用于连接到 SAP HANA Cloud 的密码。 | | | `spring.ai.vectorstore.hana.table-name` | 用于存储向量和元数据的表名。 | `SPRING_AI_VECTOR_STORE` | | `spring.ai.vectorstore.hana.embedding-dimension` | 嵌入向量的维度。必须与 `EmbeddingClient` 生成的维度匹配。 | 1536 (OpenAI text-embedding-ada-002) | | `spring.ai.vectorstore.hana.distance-type` | 用于相似性搜索的距离类型 (`L2DISTANCE`, `COSINE_SIMILARITY`, `EUCLIDEAN_DISTANCE`)。 | `L2DISTANCE` | | `spring.ai.vectorstore.hana.schema-name` | SAP HANA Cloud 中的 schema 名称。 | (用户默认 schema) | | `spring.ai.vectorstore.hana.ssl.enabled` | 是否为 JDBC 连接启用 SSL。 | `false` | | `spring.ai.vectorstore.hana.ssl.trust-store-location` | SSL 信任库文件的路径 (如果 `ssl.enabled` 为 `true`)。 | | | `spring.ai.vectorstore.hana.ssl.trust-store-password` | SSL 信任库的密码 (如果 `ssl.enabled` 为 `true`)。 | | **示例 `application.properties`:** ```properties theme={"system"} # SAP HANA Cloud 配置 spring.ai.vectorstore.hana.host=your-hana-host spring.ai.vectorstore.hana.port=your-hana-port spring.ai.vectorstore.hana.username=your-username spring.ai.vectorstore.hana.password=your-password spring.ai.vectorstore.hana.table-name=MY_VECTOR_TABLE spring.ai.vectorstore.hana.embedding-dimension=1536 spring.ai.vectorstore.hana.distance-type=COSINE_SIMILARITY # spring.ai.vectorstore.hana.schema-name=MY_SCHEMA # 可选 # spring.ai.vectorstore.hana.ssl.enabled=true # 如果需要 SSL # spring.ai.vectorstore.hana.ssl.trust-store-location=path/to/truststore.jks # spring.ai.vectorstore.hana.ssl.trust-store-password=truststore_password # 嵌入客户端配置 (例如 OpenAI) spring.ai.openai.api-key=YOUR_OPENAI_API_KEY spring.ai.openai.embedding.options.model=text-embedding-ada-002 ``` 确保 `spring.ai.vectorstore.hana.embedding-dimension` 与您正在使用的 `EmbeddingClient` 输出的嵌入维度相匹配。 如果表不存在，它将在第一次添加文档时自动创建。 ## 使用 `VectorStore` 将 `VectorStore` bean 注入到您的组件中以与之交互： ```java theme={"system"} import org.springframework.ai.vectorstore.VectorStore; import org.springframework.ai.document.Document; import org.springframework.beans.factory.annotation.Autowired; import org.springframework.stereotype.Service; import java.util.List; @Service public class MyVectorStoreService { private final VectorStore vectorStore; // 将自动配置 HanaVectorStore @Autowired public MyVectorStoreService(VectorStore vectorStore) { this.vectorStore = vectorStore; } public void addDocuments(List documents) { vectorStore.add(documents); } public List findSimilarDocuments(String query, int k) { return vectorStore.similaritySearch(query, k); } } ``` ### 创建 `HanaVectorStore` Bean (可选) Spring Boot 会自动配置 `HanaVectorStore` bean。但是，如果您需要自定义配置，可以定义自己的 bean： ```java theme={"system"} import com.zaxxer.hikari.HikariDataSource; import org.springframework.ai.embedding.EmbeddingClient; import org.springframework.ai.vectorstore.HanaVectorStore; import org.springframework.ai.vectorstore.HanaVectorStore.HanaVectorStoreConfig; import org.springframework.context.annotation.Bean; import org.springframework.context.annotation.Configuration; import org.springframework.jdbc.core.JdbcTemplate; import javax.sql.DataSource; @Configuration public class MyHanaConfig { @Bean public DataSource hanaDataSource() { HikariDataSource dataSource = new HikariDataSource(); dataSource.setJdbcUrl("jdbc:sap://your-hana-host:your-hana-port"); dataSource.setUsername("your-username dataSource.setPassword("your-password"); // dataSource.setSchema("MY_SCHEMA"); // 可选 // SSL 属性 (如果需要) // dataSource.getDataSourceProperties().setProperty("encrypt", "true"); // dataSource.getDataSourceProperties().setProperty("trustStore", "path/to/truststore.jks"); // dataSource.getDataSourceProperties().setProperty("trustStorePassword", "truststore_password"); return dataSource; } @Bean public JdbcTemplate jdbcTemplate(DataSource hanaDataSource) { return new JdbcTemplate(hanaDataSource); } @Bean public HanaVectorStore hanaVectorStore(JdbcTemplate jdbcTemplate, EmbeddingClient embeddingClient) { HanaVectorStoreConfig config = HanaVectorStoreConfig.builder() .tableName("MY_CUSTOM_TABLE") .embeddingDimension(1536) .distanceType(HanaVectorStoreConfig.DistanceType.COSINE_SIMILARITY) // .schemaName("MY_SCHEMA") // 可选 .build(); return new HanaVectorStore(jdbcTemplate, embeddingClient, config); } } ``` ## 元数据过滤 SAP HANA Cloud 向量存储支持使用 SQL `WHERE` 子句和 Spring AI 的 [相似性搜索过滤器表达式](./index.mdx#metadata-filtering) 进行元数据过滤。 过滤器表达式会转换为 SQL `WHERE` 子句中的条件。 **示例：** ```java theme={"system"} import org.springframework.ai.vectorstore.SearchRequest; import org.springframework.ai.vectorstore.filter.Filter; import org.springframework.ai.vectorstore.filter.FilterExpressionBuilder; // ... FilterExpressionBuilder b = new FilterExpressionBuilder(); // "metadata"->>'genre' = 'drama' AND "metadata"->>'year' > 2020 // 注意：在 SAP HANA 中，JSON 字段访问通常使用 JSON 函数或路径表达式。 // 此处的示例假定元数据存储为 JSON，并且数据库配置为支持此类查询。 // 精确的 SQL 语法可能因您的 HANA 版本和表结构而异。 Filter filter = new Filter(b.eq("genre", "drama").and(b.gt("year", 2020)).build()); SearchRequest request = SearchRequest.query("A dramatic film released after 2020") // 示例查询通常保留英文 .withTopK(5) .withFilter(filter); List results = vectorStore.similaritySearch(request); ``` 元数据存储在表中的 `metadata` JSON 列中。 过滤器表达式中使用的键 (例如，`genre`, `year`) 应该是您在文档元数据中使用的键。 确保您的 SAP HANA Cloud 实例配置为允许对 JSON 列进行高效查询。根据需要，可能需要为元数据字段创建索引。 ## 删除数据 `HanaVectorStore` 支持通过文档 ID 删除数据。 ```java theme={"system"} boolean deleted = vectorStore.delete(List.of("documentId1", "documentId2")); ``` ## 总结 将 Spring AI 与 SAP HANA Cloud 集成，使您能够利用 HANA 的内存计算能力和企业级特性进行向量存储和相似性搜索，从而增强您的 AI 应用程序。 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！