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

​
概述

OpenSearch 向量数据库支持：

  • 分布式向量存储
  • 全文搜索集成
  • 实时向量操作
  • 可扩展架构

​
特性

分布式

分布式架构

搜索

全文搜索

实时

实时操作

可扩展

水平扩展

​
实现

​
基本设置

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

​
配置

# OpenSearch 向量数据库配置
spring.ai.opensearch.vectordb.enabled=true
spring.ai.opensearch.vectordb.uri=http://localhost:9200
spring.ai.opensearch.vectordb.username=admin
spring.ai.opensearch.vectordb.password=admin
spring.ai.opensearch.vectordb.index-name=vectors

​
用法

@Service
public class OpenSearchVectorService {
    private final OpenSearchVectorClient vectorClient;

    public OpenSearchVectorService(OpenSearchVectorClient 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 OpenSearchVectorStorageConfig {
    @Bean
    public VectorStorage openSearchVectorStorage(OpenSearchVectorProperties properties) {
        return new OpenSearchVectorStorage(properties);
    }
}

​
2. 相似性搜索

@Configuration
public class OpenSearchSimilaritySearchConfig {
    @Bean
    public SimilaritySearch openSearchSimilaritySearch(OpenSearchVectorProperties properties) {
        return new OpenSearchSimilaritySearch(properties);
    }
}

​
3. 索引管理

@Service
public class IndexService {
    private final OpenSearchVectorClient vectorClient;

    public void createIndex(String name, int dimension) {
        vectorClient.createIndex(name, dimension);
    }

    public void deleteIndex(String name) {
        vectorClient.deleteIndex(name);
    }
}

​
高级特性

​
自定义索引配置

@Configuration
public class IndexConfig {
    @Bean
    public IndexConfig indexConfig() {
        return IndexConfig.builder()
            .name("custom-vectors")
            .dimension(1536)
            .indexType(IndexType.HNSW)
            .metricType(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=opensearch-vectordb
management.endpoint.opensearch-vectordb.enabled=true

​
最佳实践

使用 OpenSearch 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
  • 映射策略：优化字段映射
  • 分片策略：实施有效的分片
  • 资源管理：配置资源分配
  • 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

    • 验证连接 URI
    • 检查身份验证
    • 查看网络设置

  2. 性能问题

    • 优化索引配置
    • 调整分片策略
    • 查看查询模式

  3. 存储问题

    • 监控索引大小
    • 执行清理
    • 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！