SpringAI集成Chroma向量数据库实战：从零搭建AI应用存储层

1次阅读

没有评论

共计 2894 个字符，预计需要花费 8 分钟才能阅读完成。

在构建 AI 应用时，我们经常需要处理文本、图像等非结构化数据。传统的 SQL 数据库虽然擅长处理结构化数据，但在存储和查询高维向量数据时表现不佳。例如，要实现语义搜索功能，传统数据库难以高效计算向量间的相似度。

向量数据库如 Chroma 专门为解决这类问题而设计，它们能够：

高效存储高维向量数据
快速执行最近邻搜索
支持大规模相似度计算

部署 Chroma 数据库

首先使用 Docker 快速启动 Chroma 服务：

docker run -p 8000:8000 chromadb/chroma

创建 SpringBoot 项目

添加必要依赖到 pom.xml：

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-chroma-store-spring-boot-starter</artifactId>
    <version>0.8.0</version>
</dependency>
<dependency>
    <groupId>org.projectlombok</groupId>
    <artifactId>lombok</artifactId>
    <optional>true</optional>
</dependency>

配置 EmbeddingClient

在 application.yml 中添加配置：

spring:
  ai:
    chroma:
      client:
        base-url: ${CHROMA_URL:http://localhost:8000}
    embedding:
      openai:
        api-key: ${OPENAI_API_KEY}

创建配置类：

@Configuration
@RequiredArgsConstructor
public class ChromaConfig {

    private final EmbeddingClient embeddingClient;

    @Bean
    public ChromaVectorStore chromaVectorStore() {
        return new ChromaVectorStore(new ChromaApi("http://localhost:8000"),
            embeddingClient,
            "my_collection"
        );
    }
}

数据存储接口

创建 Repository 接口：

public interface DocumentRepository extends VectorStore {@Query("SELECT id, content FROM documents WHERE metadata->>'category'= :category")
    List<Document> findByCategory(@Param("category") String category);
}

实现向量写入

@Service
@RequiredArgsConstructor
public class DocumentService {

    private final DocumentRepository repository;

    public void addDocument(Document document) {repository.add(List.of(document));
    }

    public void batchAddDocuments(List<Document> documents) {repository.add(documents);
    }
}

相似度搜索 API

@RestController
@RequiredArgsConstructor
@RequestMapping("/api/documents")
public class DocumentController {

    private final DocumentService service;

    @PostMapping
    public void addDocument(@RequestBody Document document) {service.addDocument(document);
    }

    @GetMapping("/search")
    public List<Document> search(
            @RequestParam String query,
            @RequestParam(defaultValue = "10") int topK) {return service.search(query, topK);
    }
}

批量写入测试

测试不同批量大小下的写入吞吐量：

批量大小	吞吐量 (docs/s)
1	120
10	850
100	3200

索引类型对比

Chroma 支持多种索引类型：

扁平索引：查询精度高但速度慢
IVF 索引：平衡精度和速度
HNSW：查询速度快但内存占用高
内存监控

使用 Micrometer 监控内存：

@Bean
MeterRegistryCustomizer<MeterRegistry> metricsCommonTags() {return registry -> registry.config().commonTags("application", "vector-db-service");
}

向量维度对齐

确保所有写入的向量维度一致：

public void validateVectorDimensions(float[] vector) {if(vector.length != EXPECTED_DIMENSIONS) {throw new IllegalArgumentException("Vector dimension mismatch");
    }
}

连接池配置

在 application.yml 中调整：

spring:
  ai:
    chroma:
      client:
        max-connections: 50
        connection-timeout: 5000

持久化策略

建议配置持久化存储：

docker run -p 8000:8000 -v ./chroma_data:/data chromadb/chroma --persist-directory /data

混合查询实现

结合传统 SQL 条件和向量搜索：

public List<Document> hybridSearch(String query, String category, int topK) {List<Document> vectorResults = vectorSearch(query, topK);
    return filterByCategory(vectorResults, category);
}