Redis 查询引擎的革新：多线程技术助力向量数据库性能飞跃

前言

在生成式 AI 应用快速发展的背景下，向量数据库的重要性日益凸显。

作为内存数据结构存储系统的领军者，Redis 近期推出了其增强版查询引擎，通过引入多线程技术，显著提升了查询吞吐量，同时保持了低延迟的特性。

这一创新不仅解决了传统单线程架构的瓶颈，还为实时检索增强生成（RAG）应用提供了强有力的支持。

多线程技术的突破

Redis 的传统单线程架构在处理复杂查询时存在明显的局限性，尤其是在数据量达到数亿个文档时，查询吞吐量会受到严重限制。

为了解决这一问题，Redis 引入了多线程技术，允许查询并发访问索引，从而实现垂直扩展。

这种设计使得 Redis 能够在保持低延迟的同时，大幅提升查询吞吐量。

新的架构采用了一个三步流程：

首先，查询上下文在主线程上准备并排队到共享队列；

然后，各线程从队列中取出任务并并发执行查询管道；

最后，查询结果被发送回主线程。

这种设计不仅提高了查询效率，还确保了主线程能够继续处理其他 Redis 命令，从而提升了整体系统的响应速度和可扩展性。

性能基准测试

为了验证新查询引擎的性能，Redis 进行了广泛的基准测试，并与三类向量数据库提供商进行了比较：纯向量数据库、具备向量功能的通用数据库和完全托管的内存 Redis 云服务提供商（CSP）。

测试结果显示，Redis 的升级查询引擎在速度和可扩展性上均优于纯向量数据库，同时在整体性能上显著超过通用数据库和完全托管的内存 Redis CSP。

测试涵盖了数据摄取和搜索工作负载。

在数据摄取方面，Redis 使用了分层可导航小世界（HNSW）算法和近似最近邻（ANN）搜索进行索引；

在查询方面，专注于 K 最近邻（k-NN）搜索，测量了每秒请求数（RPS）和平均客户端延迟。

测试数据集包括 gist-960-euclidean、glove-100-angular、deep-image-96-angular 和 dbpedia-openai-1M-angular

确保了测试的全面性和可靠性。

向量数据库市场的挑战与机遇

近年来，向量数据库市场迅速增长，众多新产品涌入市场。

然而，市场饱和也带来了新的挑战。

行业专家指出，新产品很难在众多选项中脱颖而出，找到独特的价值主张。

向量检索不再是问题，真正的挑战在于如何围绕向量检索构建综合解决方案，以应对 AI 驱动的数据检索中的更广泛挑战。

实时 RAG 应用的需求

生成式 AI 应用，如依赖实时 RAG 的聊天机器人，对向量数据库的性能提出了更高的要求。

为了满足这一需求，开发者必须重新思考数据架构，以构建接近 100 毫秒规则的实时生成式 AI 应用。

Redis 的新查询引擎通过提升查询吞吐量和降低延迟，为实时 RAG 应用提供了强有力的支持。

未来展望

Vectera 的 Ofer Mendelevitch 指出，虽然向量数据库的性能很重要，但它只是 AI 应用开发更大技术图景的一部分。

RisingWave Labs 创始人吴英骏则建议，与其投资新的向量数据库项目，不如集中精力在现有数据库上，并探索用向量引擎增强它们的机会。

Redis 通过增强其现有基础设施，为开发者提供了更加集成和高效的解决方案，有望在未来继续引领市场。

结论

Redis 的新查询引擎通过引入多线程技术，显著提升了查询吞吐量和系统可扩展性，为生成式 AI 应用提供了强有力的支持。

在向量数据库市场日益饱和的背景下，Redis 的创新不仅解决了传统架构的瓶颈，还为开发者提供了更加高效和集成的解决方案。

未来，随着 AI 技术的不断发展，Redis 有望继续在市场中保持领先地位。