当前位置：首页 > news >正文

Redis 变身向量数据库？手把手教你在 Java 项目中实现“以图搜图”功能

news 2026/6/28 11:59:30

😲 前言：Redis 还能干这个？

提到 Redis，你的第一反应是什么？

分布式缓存？
分布式锁？
简单的消息队列？

如果我告诉你，现在的 Redis 可以存储图片特征，并且能在毫秒级内从百万张图片中找到最相似的那一张，你信吗？

在 AI 大爆发的今天，向量数据库 (Vector DB)成了新宠（如 Milvus, Pinecone）。但对于大多数中小项目来说，为了一个搜图功能去部署一套全新的复杂的向量数据库，运维成本太高了。

其实，你手边的 Redis 早就支持了！
利用Redis Stack (RediSearch)，我们不需要引入任何新组件，就能在 Java 项目中实现炫酷的“以图搜图”。

今天，我们就用Spring Boot + Redis + 深度学习模型，从零打造这个功能！

🧠 核心原理：图片是怎么“变成”索引的？

计算机看不懂图片，它只看得懂数字。
“以图搜图”的核心流程分为两步：

特征提取 (Embedding)：利用 AI 模型（如 ResNet, VGG, CLIP），把一张图片转换成一个512 维或 1024 维的浮点数向量 (Vector)。
向量检索 (Vector Search)：在数据库中计算这个向量与其他所有图片向量的距离（欧氏距离或余弦相似度）。距离越近，图片越相似。

Redis 的角色：它不再存储简单的 String，而是存储 Vector，并利用 HNSW 算法构建索引，加速比对过程。

架构图解：

🛠️ 环境准备：给 Redis 装上“大脑”

普通的 Redis 是不支持向量搜索的，我们需要Redis Stack。
最快的方法是用 Docker 启动：

docker run -d --name redis-stack -p6379:6379 -p8001:8001 redis/redis-stack:latest

启动后，访问http://localhost:8001可以看到可视化后台，非常爽。

💻 Java 实战：代码撸起来

1. 引入依赖

我们需要jedis(4.x 版本以上支持更好) 和一个用于处理图片的 AI 库（这里为了简化，假设我们已经有一个工具类能把图片转向量，实际可以使用Deep Java Library (DJL)或调用 Python API）。

<dependency><groupId>redis.clients</groupId><artifactId>jedis</artifactId><version>5.0.0</version></dependency>

2. 建立向量索引 (Schema)

在 Redis 中，我们需要先定义一个索引，告诉它：“我要存向量了，用 HNSW 算法，维度是 512”。

importredis.clients.jedis.JedisPooled;importredis.clients.jedis.search.IndexDefinition;importredis.clients.jedis.search.IndexOptions;importredis.clients.jedis.search.Schema;publicvoidcreateIndex(JedisPooledjedis){// 定义 SchemaSchemaschema=newSchema().addTextField("name",1.0)// 图片名称.addVectorField("image_vector",Schema.VectorField.VectorAlgo.HNSW,// 核心配置：512维，浮点数，欧氏距离(L2)newHashMap<String,Object>(){{put("TYPE","FLOAT32");put("DIM",512);put("DISTANCE_METRIC","L2");}});// 创建索引 idx:imagesIndexDefinitiondef=newIndexDefinition().setPrefixes("img:");try{jedis.ftCreate("idx:images",IndexOptions.defaultOptions().setDefinition(def),schema);System.out.println("✅ 向量索引创建成功！");}catch(Exceptione){System.out.println("⚠️ 索引已存在，跳过。");}}

3. 图片入库 (Vector Storage)

当用户上传图片时，我们将其转化为向量，存入 Redis Hash 结构中。

publicvoidaddImage(Stringid,Stringname,float[]vector){Map<String,Object>fields=newHashMap<>();fields.put("name",name);// ⚠️ 重点：Redis 需要二进制格式的向量fields.put("image_vector",floatArrayToByteArray(vector));// 存入 Hash，Key 以 img: 开头jedis.hset("img:"+id,fields);}// 辅助方法：float[] 转 byte[] (小端序)// 实际开发中可以使用 ByteBuffer 转换

4. 以图搜图 (KNN Search)

最激动人心的一步来了！拿着一张新图片的向量，去 Redis 里搜 Top 5。

importredis.clients.jedis.search.Query;importredis.clients.jedis.search.SearchResult;publicvoidsearchSimilarImages(float[]targetVector){// 构造查询语句：查找最近的 5 个邻居 (KNN 5)// 语法：*=>[KNN 5 @image_vector $BLOB AS score]StringqueryStr="*=>[KNN 5 @image_vector $BLOB AS score]";Queryquery=newQuery(queryStr).addParam("BLOB",floatArrayToByteArray(targetVector))// 传入待搜图片的向量.returnFields("name","score")// 返回图片名和相似度分数.setSortBy("score",true)// 按相似度排序.dialect(2);// 必须开启方言 2SearchResultresult=jedis.ftSearch("idx:images",query);System.out.println("🔍 找到 "+result.getTotalResults()+" 张相似图片：");result.getDocuments().forEach(doc->{Stringname=doc.getString("name");Doublescore=(Double)doc.get("score");System.out.println("图片: "+name+", 距离: "+score);});}