Redis中KNN向量相似度搜索无返回结果问题求助

核心问题定位：索引Schema与数据存储类型不匹配 #

你的Schema里用了$.text、$.embedding这类JSON路径表达式，但实际是通过HSET把数据存在Redis哈希（Hash）结构中，这会导致索引完全无法匹配到存储的哈希字段，直接造成搜索无结果。

逐条排查与修复步骤 #

1. 修正索引Schema与存储结构的匹配性 #

如果继续用哈希存储，需要把Schema里的JSON路径改成哈希字段名，去掉$.前缀：

const schema: RediSearchSchema = {
  'text': { // 去掉$.，直接对应哈希字段名
    type: SchemaFieldTypes.TEXT,
    AS: 'text',
  },
  'embedding': { // 同样去掉$.
    type: SchemaFieldTypes.VECTOR,
    ALGORITHM: VectorAlgorithms.HNSW,
    TYPE: 'FLOAT32',
    DIM: 1536,
    DISTANCE_METRIC: 'COSINE',
    AS: 'embedding',
  },
};

如果要改用JSON存储（匹配原Schema的JSON路径写法），则需要把HSET替换为JSON.SET：

// 改用JSON结构存储
await RedisClient.client.json.set(key, '$', {
  text: e.text,
  embedding: e.vector // 直接存数组，RedisJSON会自动处理，无需转Buffer
});

同时创建索引时要把ON: 'HASH'改成ON: 'JSON'。

2. 修复索引创建的异步问题 #

你的createIndices方法用了forEach+async/await，这会导致循环不等待每个索引创建完成，甚至出现索引未创建成功就开始存数据的情况，改成for...of循环：

private static async createIndices() {
  for (const i of RedisClient.indices) {
    try {
      await RedisClient.client.ft.CREATE(i.name, i.schema, {
        ON: 'HASH', // 对应哈希存储，用JSON则改为'JSON'
        PREFIX: i.prefix,
      });
    } catch (err) {
      // 仅忽略"索引已存在"的错误，其他错误抛出排查
      if ((err as Error).message.includes('Index already exists')) {
        console.log(`index ${i.name} already exists`);
      } else {
        throw err;
      }
    }
  }
}

3. 验证索引与数据的匹配性 #

• 用Redis CLI执行FT.INFO contexts查看索引状态，确认num_docs是否为10（你的测试数据量），如果是0说明索引未匹配到数据。
• 检查存储的key前缀是否和索引的PREFIX完全一致，比如KNOWLEGE_KEYS_PREFIX是否为'knowledge:'，而你存储的key是否是'knowledge:1'这类格式，前缀必须完全匹配。
• 用HGETALL <key>查看哈希字段，确认text和embedding字段存在，且embedding的Buffer长度为1536*4=6144字节（Float32每个元素占4字节，1536维总长度）。

4. 调整搜索参数细节 #

• 确保搜索用的queryVector和存储的向量格式一致：同样通过Buffer.from(new Float32Array(queryVectorArray).buffer)转换。
• 可以先去掉SORTBY简化查询测试，若vec_score字段不存在（索引未匹配到数据时会出现），排序会导致无结果：

const result = await RedisClient.client.ft.search(indexName, query, {
  PARAMS: {
    queryVector: queryVector,
  },
  DIALECT: 2,
  RETURN: ['text', 'vec_score'],
  LIMIT: {
    from: 0,
    size: top,
  },
});

验证步骤 #

1. 删除旧索引：FT.DROPINDEX contexts
2. 重启服务，确保索引创建成功
3. 重新插入测试数据
4. 用Redis CLI执行搜索命令验证：

FT.SEARCH contexts "*=>[KNN 5 @embedding $vec AS vec_score]" PARAMS 2 vec "<你的向量Buffer>" DIALECT 2 RETURN 2 text vec_score

如果CLI能搜到结果，说明代码逻辑没问题，再排查代码中的参数传递问题。

内容的提问来源于stack exchange，提问作者ZeroGravity