Redis 最近推出向量集合（Vector Set） 功能，这是一种专为向量相似性设计的数据类型，也是 Redis 针对人工智能应用的一个新的选项。这是 Redis 创始人 Salvatore Sanfilippo（“antirez”）自 重新加入 公司以来的第一个重大贡献。
向量集合 是一种类似于有序集合（Sorted Set）的数据类型，不一样的是它将字符串元素与向量（而不是分数）关联起来，可以添加项目并检索与指定向量最相似的子集。它还支持过滤搜索功能，允许同时进行向量相似性和标量过滤。Sanfilippo 在他的博客中解释道：
简单来说，这个新的数据结构的目标是创建一种类似于有序集合的“集合类”数据类型，但分数是一个向量而不是标量。你可以像使用普通 Redis 数据结构一样添加和删除元素，无需担心其他问题，只需关注 Redis 抽象数据结构本身的特性即可。你可以查询与给定向量（或集合中已有的某个元素的向量）相似的元素，等等。
向量集合基于 hnsw.c 的 HNSW 数据结构实现，并进行了速度和特性方面的扩展。Redis 首席执行官 Rowan Trollope 称赞了 Sanfilippo 所做的贡献：
他的专业知识催生了一个简单直观的 API，这体现了 Redis 提供高性能解决方案的理念，同时保持了极简的复杂性。
向量数据库对于由生成式人工智能驱动的应用程序来说至关重要，它们可以检索语义相关的信息，用来丰富大语言模型（RAG）的上下文。其他的应用场景还包括：聊天机器人的语义缓存、推荐系统和人脸识别。Redis 产品经理 Mirko Ortensi 在另一篇文章中解释了如何 使用向量集合进行人脸识别。Ortensi 写道：
人脸识别本质上是基于向量的计算过程。它使用专门的嵌入模型对已知的人脸图像进行建模，并将映射后的向量存储在 Redis 中，然后通过搜索在数据库中存储的向量来实现人脸识别。
来源：Mirco Ortensi
Sanfilippo 补充道：
实现向量相似性搜索的基本要求是从头开始重新实现 HNSW（你可以在 hnsw.c 中看到我的实现），因为这将成为核心数据结构，我不想从 GitHub 上抓取一些随机代码来应付了事。
专注于高性能，Sanfilippo 不仅对 HNSW 进行了修改，还为所有向量相似性搜索请求引入了多线程特性，并支持 8 位和二进制量化。他强调了他的实现与其他数据结构的主要区别：
向量集合最有趣的部分是数据模型和相关的 API。许多数据库将向量相似性作为一种索引，但 Redis 不一样，Redis 里的东西是数据结构：这次也不例外。
向量集合并不是 Redis 唯一的新特性：LangCache 是一个专门为人工智能应用和智能体设计的语义缓存服务，旨在通过缓存它们的响应来减少对大语言模型的调用。
向量集合功能随 Redis 8 RC1 发布，目前处于预览阶段，许可协议为 RSALv2 或 SSPLv1。
查看英文原文：
https://www.infoq.com/news/2025/04/redis-vector-sets/
声明：本文由 InfoQ 翻译，未经许可禁止转载。
