Redis
Redis 검색 기능으로 벡터를 저장·검색하는 langchain-redis의 RedisVectorStore
Redis
Redis는 검색 모듈(Redis Stack, Redis 8 이상에 내장된 Query Engine)로 HNSW/FLAT 벡터 인덱스와 tag·numeric·text 필터를 지원합니다. 캐시·세션 저장소로 이미 Redis를 쓰고 있다면 낮은 지연의 벡터 검색을 같은 인프라에 올릴 수 있습니다. LangChain 연동은 langchain-redis이며 내부적으로 RedisVL을 사용합니다.
langchain-redis는 AgentLab 샌드박스에 설치되어 있지 않습니다. 아래 코드는 참고용이며 최신 시그니처는 공식 문서를 확인하세요.
Import
pip install langchain-redis
# 로컬 서버: docker run -p 6379:6379 redis:8 (또는 redis/redis-stack)
from langchain_redis import RedisConfig, RedisVectorStore
시그니처
RedisVectorStore(
embeddings, # Embeddings
config: RedisConfig | None = None,
**kwargs, # index_name=, redis_url=, metadata_schema= 등을 직접 넘길 수도 있음
)
RedisConfig(
index_name: str = ...,
redis_url: str = "redis://localhost:6379",
metadata_schema: list[dict] | None = None, # [{"name": "category", "type": "tag"}, ...]
distance_metric: str = "COSINE",
...
)
파라미터
| 파라미터 | 타입 | 기본값 | 설명 |
|---|---|---|---|
embeddings | Embeddings | (필수) | 임베딩 객체 |
config.index_name | str | 자동 | 검색 인덱스 이름 (키 접두사로도 사용) |
config.redis_url | str | "redis://localhost:6379" | 연결 URL |
config.metadata_schema | list[dict] | None | 필터에 쓸 메타데이터 필드와 타입(tag, numeric, text) |
config.distance_metric | str | "COSINE" | COSINE, IP, L2 |
메서드와 반환값
표준 인터페이스(add_documents, similarity_search, similarity_search_with_score, max_marginal_relevance_search, delete, as_retriever)를 따릅니다. 필터는 RedisVL 필터 표현식 객체(Tag, Num, Text)를 &, |로 조합해 filter=로 넘깁니다.
예제
from langchain_core.documents import Document
from langchain_openai import OpenAIEmbeddings
from langchain_redis import RedisConfig, RedisVectorStore
from redisvl.query.filter import Num, Tag
config = RedisConfig(
index_name="kb_docs",
redis_url="redis://localhost:6379",
metadata_schema=[
{"name": "category", "type": "tag"},
{"name": "year", "type": "numeric"},
],
)
store = RedisVectorStore(OpenAIEmbeddings(model="text-embedding-3-small"), config=config)
store.add_documents([Document(page_content="환불 정책", metadata={"category": "billing", "year": 2025})])
flt = (Tag("category") == "billing") & (Num("year") >= 2025)
docs = store.similarity_search("환불", k=3, filter=flt)
주의사항
metadata_schema에 선언하지 않은 메타데이터 필드로는 필터링할 수 없습니다. 인덱스 스키마는 생성 시점에 정해지므로, 필드를 추가하려면 인덱스를 다시 만들어야 합니다.
Redis는 기본적으로 데이터를 메모리에 둡니다. 대용량 벡터는 메모리 비용이 크므로 RDB/AOF 영속 설정과 메모리 한도를 함께 계획하세요.
langchain-redis는 벡터 스토어 외에 LLM 시맨틱 캐시(RedisSemanticCache)와 대화 기록 저장소도 제공합니다.