Redis Rueidis OM 库的多字段索引创建实践
2025-06-29 23:15:12作者:齐添朝
Redis 的 Rueidis 项目提供了一个名为 OM(Object Mapping)的库,用于简化 Redis 中的数据对象映射和搜索功能。本文将详细介绍如何使用该库为 JSON 数据结构创建包含多个字段的复合索引。
索引创建的基本原理
Rueidis OM 库通过 CreateIndex 方法为 JSON 数据结构创建 RediSearch 索引。与一些传统数据库不同,Rueidis OM 目前不支持为单个数据模型创建多个独立索引,而是采用在单个索引中包含多个字段的方式。
多字段索引实现方法
正确的做法是在一次 CreateIndex 调用中定义所有需要索引的字段。以下是一个典型示例:
err := repository.CreateIndex(context.Background(), func(schema om.FtCreateSchema) rueidis.Completed {
return schema.
FieldName("$.user.name").As("name").Tag().
FieldName("$.user.owner").As("owner").Tag().
FieldName("$.created_at").As("created_at").Numeric().Sortable().
Build()
})
在这个例子中,我们同时为三个字段创建了索引:
user.name字段作为标签类型索引user.owner字段作为标签类型索引created_at字段作为可排序的数值类型索引
索引类型说明
Rueidis OM 支持多种索引类型,开发者可以根据字段特性选择合适的类型:
- Tag 类型:适用于需要精确匹配的字符串字段,使用
.Tag()方法指定 - Numeric 类型:适用于数值字段,支持范围查询,使用
.Numeric()方法指定 - Text 类型:适用于全文搜索的文本字段,使用
.Text()方法指定
对于需要排序的字段,可以额外添加 .Sortable() 方法。
实际应用建议
- 字段选择:只为查询条件中频繁使用的字段创建索引,避免不必要的索引开销
- 复合查询:RediSearch 支持基于多个字段的复合查询,合理设计索引可以显著提高查询效率
- 索引维护:当数据结构变更时,需要重新创建索引以确保查询功能正常
注意事项
- 目前版本不支持为同一数据模型创建多个独立索引
- 索引创建是幂等操作,重复创建相同的索引不会导致问题
- 索引创建可能需要一定时间,特别是数据量较大时
通过合理设计多字段索引,开发者可以充分利用 Redis 的搜索功能,为应用提供高效的数据查询能力。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
177
195
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
270
93
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
378
3.33 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1