FT.SEARCH
busca en el índice con la consulta proporcionada y devuelve los valores especificados.
Para obtener detalles 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): Es el índice que deseas consultar.query
(obligatorio): Es tu búsqueda. Para obtener detalles sobre la sintaxis de las consultas, consulta Sintaxis de consulta.NOCONTENT
(opcional): Muestra solo los IDs de los documentos y excluye el contenido.TIMEOUT
(opcional): Te permite establecer un valor de tiempo de espera para el comando de búsqueda.PARAMS
(opcional): Es la cantidad de pares clave-valor multiplicada por dos.RETURN
(opcional): Especifica los campos que deseas recuperar de tus documentos, junto con los alias de los valores devueltos. De forma predeterminada, se devuelven todos los campos, a menos que se establezca la opciónNOCONTENT
, en cuyo caso no se devuelve ningún campo. Si num se establece en 0, se comporta de la misma manera 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. El único dialecto admitido es el dialecto 2.
Devolución del comando
Este comando devuelve un array o un mensaje de error. Los elementos del array devuelto representan los resultados que mejor coinciden con la búsqueda. Cada elemento del array tiene los siguientes atributos:
Es la clave hash de entrada.
Un array de los siguientes elementos:
- Par clave-valor: [$score_as ] score_value
- Valor de distancia
- Nombre del atributo
- Valor del vector
Si se usa
NOCONTENT
, los elementos del array constan solo de los IDs de documentos.
Ejemplo 1: Consulta de búsqueda de vectores simple
En este ejemplo, supongamos que estamos creando un índice de búsqueda de propiedades en el que los clientes pueden buscar propiedades según algunas características. Supongamos que tenemos una lista de propiedades con los siguientes atributos:
- Descripción: Es la incorporación de vectores para una propiedad determinada.
- Otros campos: Cada propiedad también puede tener otros metadatos. Sin embargo, para simplificar el ejemplo, se ignoran otros campos.
Primero, creamos un índice de HNSW con la descripción como un campo vectorial usando el comando FT.CREATE
:
FT.CREATE idx SCHEMA description VECTOR HNSW 6 TYPE FLOAT32 DIM 3 DISTANCE_METRIC L2
Ahora podemos insertar algunas propiedades (esto también se puede hacer antes de la creación del 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 búsqueda 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
Muestra de código
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 de vectores con consultas híbridas
En este ejemplo, realizaremos una búsqueda híbrida con dos atributos adicionales llamados ciudad y precio:
- Descripción: Es la incorporación de vectores para una propiedad determinada.
- Ciudad: Nombre de la ciudad.
- Precio: Costo de la propiedad.
Primero, creamos un índice con la descripción como un campo de vector, la ciudad como un campo de etiqueta y el precio como un 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 (esto también se puede hacer antes de la creación del 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 realizar consultas. La siguiente consulta devuelve hasta cinco de las propiedades más similares al vector de búsqueda proporcionado, y filtra solo las que se encuentran en BANGALORE y tienen 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 consulta para obtener detalles sobre el formato de la consulta de filtro.
Muestra de código
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