FT.SEARCH
busca en el índice con la consulta proporcionada y devuelve los valores especificados.
Para obtener información detallada sobre la sintaxis de las consultas, consulta Sintaxis de consulta.
Sintaxis
FT.SEARCH index query [NOCONTENT] [TIMEOUT timeout] [PARAMS nargs name value [ name value ...]] [RETURN num field [AS alias] [ field [AS alias] ... ]] [LIMIT offset num] DIALECT 2
index
(obligatorio): el índice que quieres consultar.query
(obligatorio): es tu consulta. Para obtener información detallada sobre la sintaxis de las consultas, consulta Sintaxis de consulta.NOCONTENT
(opcional): devuelve solo los IDs de los documentos y excluye el contenido.TIMEOUT
(opcional): te permite definir un valor de tiempo de espera para el comando de búsqueda.PARAMS
(opcional): el número de pares clave-valor multiplicado por dos.RETURN
(opcional): especifica los campos que quieres recuperar de tus documentos, junto con los alias de los valores devueltos. De forma predeterminada, se devuelven todos los campos, a menos que se defina la opciónNOCONTENT
, en cuyo caso no se devuelve ningún campo. Si num es 0, se comporta igual queNOCONTENT
.LIMIT
(opcional): te permite elegir la paginación con un desplazamiento y un recuento de números. Si no usas este parámetro, el valor predeterminado esLIMIT 0 10
, que devuelve un máximo de 10 claves.DIALECT 2
(opcional): especifica tu dialecto. Solo se admite el dialecto 2.
Devolución de comandos
Este comando devuelve una matriz o un mensaje de error. Los elementos de la matriz devuelta representan los resultados que mejor coinciden con la consulta. Cada elemento de la matriz tiene lo siguiente:
La clave hash de entrada
Una matriz de lo siguiente:
- Valor clave: [$score_as ] score_value
- Valor de distancia
- Nombre de atributo
- Valor del vector
Si se usa
NOCONTENT
, los elementos de la matriz solo constan de los IDs de documento.
Ejemplo 1: Consulta de búsqueda vectorial simple
En este ejemplo, vamos a suponer que estamos creando un índice de búsqueda de propiedades en el que los clientes pueden buscar propiedades en función de algunas características. Supongamos que tenemos una lista de propiedades con los siguientes atributos:
- Descripción: incrustación de vector de la propiedad dada.
- Otros campos: cada propiedad también puede tener otros metadatos. Sin embargo, para simplificar, en este ejemplo se ignoran otros campos.
Primero, creamos un índice HNSW con la descripción como campo vectorial mediante el comando FT.CREATE
:
FT.CREATE idx SCHEMA description VECTOR HNSW 6 TYPE FLOAT32 DIM 3 DISTANCE_METRIC L2
Ahora podemos insertar algunas propiedades (también se puede hacer antes de crear el índice) con el comando HSET:
HSET p1 description "\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x80?" HSET p2 description "\x00\x00\x00\x00\x00\x00\x80?\x00\x00\x00\x00" HSET p3 description "\x00\x00\x80?\x00\x00\x00\x00\x00\x00\x00\x00" HSET p4 description "\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x80?" HSET p5 description "\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x80?"
Ahora podemos realizar consultas con el comando FT.SEARCH. La siguiente consulta devuelve hasta cinco de las propiedades más similares al vector de consulta proporcionado:
FT.SEARCH idx "*=>[KNN 5 @description $query_vector]" PARAMS 2 query_vector "\xcd\xccL?\x00\x00\x00\x00\x00\x00\x00\x00" DIALECT 2
Resultado devuelto:
1) (integer) 5 2) p5 3) 1) __description_score 2) 1.6400001049 3) description 4) \x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x80? 4) p4 5) 1) __description_score 2) 1.6400001049 3) description 4) \x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x80? 6) p2 7) 1) __description_score 2) 1.6400001049 3) description 4) \x00\x00\x00\x00\x00\x00\x80?\x00\x00\x00\x00 8) p1 9) 1) __description_score 2) 1.6400001049 3) description 4) \x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x80? 10) p3 11) 1) __description_score 2) 0.0399999953806 3) description 4) \x00\x00\x80?\x00\x00\x00\x00\x00\x00\x00\x00
Código de ejemplo
Python
# Before running, ensure you have installed redis-py: # pip install redis import redis client = redis.Redis(host='your_server_host', port=6379) result = client.execute_command('FT.SEARCH', 'idx', '*=>[KNN 5 @description $query_vector]', 'PARAMS', '2', 'query_vector', '"\xcd\xccL?\x00\x00\x00\x00"', 'DIALECT', '2') print(result)
NodeJS
# Before running, ensure you have installed ioredis: # npm install ioredis const Redis = require("ioredis"); const redis = new Redis(6379, "your_server_host") redis.call("FT.SEARCH", "idx", "*=>[KNN 5 @description $query_vector]", "PARAMS", "2", "query_vector", "\xcd\xccL?\x00\x00\x00\x00\x00\x00", "DIALECT", "2").then(result => { console.log(result); redis.disconnect(); });
CLI
# Before running, ensure you have install redis-cli redis-cli -h your_server_host -p 6379 FT.SEARCH idx "(*)=>[KNN 5 @description $query_vector]" PARAMS 2 query_vector "\xcd\xccL?\x00\x00\x00\x00\x00\x00\x00\x00" DIALECT 2
Ejemplo 2: Búsqueda vectorial con consultas híbridas
En este ejemplo, vamos a hacer una consulta híbrida usando dos atributos adicionales llamados "city" y "price":
- Descripción: incrustación de vector de la propiedad dada.
- Ciudad: nombre de la ciudad.
- Precio: coste de la propiedad.
Primero, creamos un índice con la descripción como campo vectorial, la ciudad como campo de etiqueta y el precio como campo numérico:
FT.CREATE idx SCHEMA description VECTOR HNSW 6 TYPE FLOAT32 DIM 3 DISTANCE_METRIC L2 city TAG price NUMERIC
Ahora podemos insertar algunas propiedades (también se puede hacer antes de crear el índice):
HSET p1 description "\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x80?" city "NEW YORK" price 500000 HSET p2 description "\x00\x00\x00\x00\x00\x00\x80?\x00\x00\x00\x00" city "NEW JERSEY" price 400000 HSET p3 description "\x00\x00\x80?\x00\x00\x00\x00\x00\x00\x00\x00" city "BANGALORE" price 60000 HSET p4 description "\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x80?" city "NEW YORK" price 600000 HSET p5 description "\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x80?" city "BANGALORE" price 75000
Ahora podemos hacer consultas. La siguiente consulta devuelve hasta cinco de las propiedades más similares al vector de consulta proporcionado, filtrando solo las de Bangalore con un precio inferior a 100.000:
FT.SEARCH idx "(@city:{BANGALORE} @price:[-inf 100000])=>[KNN 5 @description $query_vector]" PARAMS 2 query_vector "\xcd\xccL?\x00\x00\x00\x00\x00\x00\x00\x00" DIALECT 2
Resultado devuelto:
1) (integer) 2 2) p5 3) 1) __description_score 2) 1.6400001049 3) city 4) BANGALORE 5) price 6) 75000 7) description 8) \x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x80? 4) p3 5) 1) __description_score 2) 0.0399999953806 3) city 4) BANGALORE 5) price 6) 60000 7) description 8) \x00\x00\x80?\x00\x00\x00\x00\x00\x00\x00\x00
Consulta Sintaxis de las consultas para obtener información sobre el formato de las consultas de filtro.
Código de ejemplo
Python
# Before running, ensure you have installed redis-py: # pip install redis import redis client = redis.Redis(host='your_server_host', port=6379) result = client.execute_command('FT.SEARCH', 'idx', '(@city:{BANGALORE} @price:[-inf 100000])=>[KNN 5 @description $query_vector]', 'PARAMS', '2', 'query_vector', '"\xcd\xccL?\x00\x00\x00\x00\x00\x00\x00\x00"', 'DIALECT', '2') print(result)
NodeJS
# Before running, ensure you have installed ioredis: # npm install ioredis const Redis = require("ioredis"); const redis = new Redis(6379, "your_server_host") redis.call("FT.SEARCH", "idx", "(@city:{BANGALORE} @price:[-inf 100000])=>[KNN 5 @description $query_vector]", "PARAMS", "2", "query_vector", "\xcd\xccL?\x00\x00\x00\x00\x00\x00\x00\x00", "DIALECT", "2").then(result => { console.log(result); redis.disconnect(); });
CLI
# Before running, ensure you have install redis-cli redis-cli -h your_server_host -p 6379 FT.SEARCH idx "(@city:{BANGALORE} @price:[-inf 100000])=>[KNN 5 @description $query_vector]" PARAMS 2 query_vector "\xcd\xccL?\x00\x00\x00\x00\x00\x00\x00\x00" DIALECT 2