AI应用生成平台:数据库、缓存与存储

二、数据库、缓存与存储

项目仓库:https://github.com/vasc-language/ai-code-mother

项目预览:https://www.joinoai.cloud

9. AI 零代码应用生成项目中,为什么要从数据库加载对话历史到记忆中?完整流程是怎样的?

为什么需要加载对话历史

1. 上下文连续性

  • AI对话需要理解前面的交流内容
  • 保持多轮对话的逻辑一致性
  • 避免重复询问已经回答过的问题

2. 个性化体验

  • 记住用户的偏好和需求
  • 基于历史对话优化生成策略
  • 提供更精准的代码生成服务

3. 会话恢复

  • 用户刷新页面或重新登录后能继续之前的对话
  • 跨设备访问时保持对话状态
  • 防止因网络中断导致的上下文丢失
完整流程实现

1. 数据库存储结构

sql 复制代码
CREATE TABLE chat_history (
    id BIGINT PRIMARY KEY AUTO_INCREMENT,
    app_id BIGINT NOT NULL,
    user_id BIGINT NOT NULL,
    message TEXT NOT NULL,
    message_type VARCHAR(10) NOT NULL, -- 'USER' 或 'AI'
    create_time DATETIME DEFAULT CURRENT_TIMESTAMP,
    INDEX idx_app_id_create_time (app_id, create_time)
);

2. 加载流程

java 复制代码
// 在AiCodeGeneratorServiceFactory中的实现
public int loadChatHistoryToMemory(Long appId, MessageWindowChatMemory chatMemory, int maxCount) {
    // 1. 从数据库查询历史记录(按时间倒序,限制数量)
    QueryWrapper queryWrapper = QueryWrapper.create()
            .eq(ChatHistory::getAppId, appId)
            .orderBy(ChatHistory::getCreateTime, false)
            .limit(1, maxCount);
    
    List<ChatHistory> historyList = this.list(queryWrapper);
    
    // 2. 反转列表,确保按时间正序(老的在前,新的在后)
    historyList = historyList.reversed();
    
    // 3. 清理现有缓存,防止重复加载
    chatMemory.clear();
    
    // 4. 按顺序添加到记忆中
    for (ChatHistory history : historyList) {
        if (ChatHistoryMessageTypeEnum.USER.getValue().equals(history.getMessageType())) {
            chatMemory.add(UserMessage.from(history.getMessage()));
        } else if (ChatHistoryMessageTypeEnum.AI.getValue().equals(history.getMessageType())) {
            chatMemory.add(AiMessage.from(history.getMessage()));
        }
    }
    
    return loadedCount;
}

3. 记忆管理策略

java 复制代码
// 创建带记忆的AI服务
MessageWindowChatMemory chatMemory = MessageWindowChatMemory
        .builder()
        .id(appId)                          // 每个应用独立的记忆空间
        .chatMemoryStore(redisChatMemoryStore) // Redis持久化存储
        .maxMessages(20)                    // 最多保留20条消息
        .build();

// 从数据库加载历史对话到记忆中
chatHistoryService.loadChatHistoryToMemory(appId, chatMemory, 20);

4. 数据流转过程

复制代码
用户发起对话 → 检查Redis缓存 → 缓存未命中 → 从MySQL加载历史 → 
构建MessageWindowChatMemory → 添加到Redis → AI服务使用记忆 → 
生成回复 → 保存新消息到MySQL → 更新Redis缓存

10. AI 零代码应用生成项目中,你如何配置 Caffeine 的缓存策略?

Caffeine缓存配置

1. AI服务实例缓存

java 复制代码
// 在AiCodeGeneratorServiceFactory中的配置
private final Cache<String, AiCodeGeneratorService> serviceCache = Caffeine.newBuilder()
        .maximumSize(1000)                    // 最大缓存1000个实例
        .expireAfterWrite(Duration.ofMinutes(30))  // 写入后30分钟过期
        .expireAfterAccess(Duration.ofMinutes(10)) // 访问后10分钟过期
        .removalListener((key, value, cause) -> {
            log.debug("AI 服务实例被移除,缓存键: {}, 原因: {}", key, cause);
        })
        .build();

2. 缓存策略说明

大小限制策略

  • maximumSize(1000): 限制最大缓存条目数,防止内存溢出
  • 基于LRU算法淘汰最少使用的条目

过期策略

  • expireAfterWrite: 写入后过期,适用于数据时效性要求
  • expireAfterAccess: 访问后过期,适用于热点数据保持

监听器配置

  • removalListener: 监控缓存条目移除事件
  • 用于调试和性能分析

3. 缓存使用模式

java 复制代码
// 获取缓存的AI服务实例
public AiCodeGeneratorService getAiCodeGeneratorService(long appId, CodeGenTypeEnum codeGenType) {
    String cacheKey = buildCacheKey(appId, codeGenType);
    // 如果缓存存在直接返回,不存在则创建新实例并缓存
    return serviceCache.get(cacheKey, key -> createAiCodeGeneratorService(appId, codeGenType));
}

private String buildCacheKey(long appId, CodeGenTypeEnum codeGenType) {
    return appId + "_" + codeGenType.getValue();
}

4. 性能优化考虑

  • 内存效率: 限制缓存大小,避免OOM
  • 并发安全: Caffeine天然支持高并发访问
  • 热点数据: 访问后过期策略保持活跃实例
  • 资源清理: 移除监听器确保资源正确释放

11. 在实现 AI 的对话记录时,为什么选择 Redis 进行持久化?

Redis选择的原因

1. 性能优势

java 复制代码
// Redis内存存储,访问速度极快
RedisChatMemoryStore redisChatMemoryStore = RedisChatMemoryStore.builder()
        .host(host)
        .port(port)
        .password(password)
        .ttl(ttl)  // 支持TTL自动过期
        .build();

优势对比:

  • Redis: 内存存储,微秒级响应
  • MySQL: 磁盘存储,毫秒级响应
  • 文件系统: 磁盘IO,响应时间不稳定

2. 数据结构适配

java 复制代码
// LangChain4j的ChatMemoryStore接口天然支持Redis
MessageWindowChatMemory chatMemory = MessageWindowChatMemory
        .builder()
        .chatMemoryStore(redisChatMemoryStore) // 直接使用Redis存储
        .maxMessages(20)
        .build();

3. 会话特性匹配

  • 临时性: 对话记忆通常是临时的,Redis的TTL机制完美匹配
  • 高频访问: AI对话过程中需要频繁读取历史消息
  • 结构化: Redis支持复杂数据结构,适合存储消息对象

4. 扩展性考虑

  • 分布式: Redis集群支持水平扩展
  • 持久化: RDB+AOF双重保障数据安全
  • 高可用: 主从复制+哨兵模式保证服务可用性
架构设计

1. 双重存储策略

复制代码
实时对话记忆: Redis (快速访问)
     ↓
历史记录归档: MySQL (长期存储)

2. 数据生命周期

java 复制代码
// 对话过程中的数据流
用户消息 → 保存到MySQL → 加载到Redis → AI处理 → 
AI回复 → 保存到MySQL → 更新Redis → 返回用户

3. 缓存策略

  • 写入策略: Write-Through(同时写入Redis和MySQL)
  • 读取策略: Cache-Aside(优先从Redis读取,未命中则从MySQL加载)
  • 过期策略: TTL自动过期 + 手动清理

12. AI 零代码应用生成项目中,Redis 主要用在哪些场景?

Redis使用场景详解

1. 对话记忆存储

java 复制代码
// LangChain4j集成的Redis对话存储
@Bean
public RedisChatMemoryStore redisChatMemoryStore() {
    return RedisChatMemoryStore.builder()
            .host(host)
            .port(port)
            .password(password)
            .ttl(ttl)
            .build();
}
  • 用途: 存储AI对话的上下文记忆
  • 特点: 支持TTL自动过期,高频读写
  • 数据结构: Hash结构存储消息列表

2. 用户会话管理

java 复制代码
// Spring Session集成Redis
// 在pom.xml中配置
<dependency>
    <groupId>org.springframework.session</groupId>
    <artifactId>spring-session-data-redis</artifactId>
</dependency>
  • 用途: 存储用户登录状态和会话信息
  • 特点: 支持分布式会话共享
  • 数据结构: String/Hash存储会话数据

3. 应用数据缓存

java 复制代码
// Spring Cache集成Redis
@Cacheable(
    value = "good_app_page",
    key = "T(com.spring.aicodemother.utils.CacheKeyUtils).generateKey(#appQueryRequest)",
    condition = "#appQueryRequest.pageNum <= 10"
)
public BaseResponse<Page<AppVO>> listGoodAppVOByPage(@RequestBody AppQueryRequest appQueryRequest) {
    // 精选应用列表缓存
}
  • 用途: 缓存热点应用数据,减少数据库压力
  • 配置: 5分钟过期时间
  • 优化: 只缓存前10页数据

4. 分布式限流

java 复制代码
// 使用Redisson实现分布式限流
@Before("@annotation(rateLimit)")
public void doBefore(JoinPoint point, RateLimit rateLimit) {
    String key = generateRateLimitKey(point, rateLimit);
    RRateLimiter rateLimiter = redissonClient.getRateLimiter(key);
    
    // 设置限流参数
    rateLimiter.trySetRate(RateType.OVERALL, 
                          rateLimit.rate(), 
                          rateLimit.rateInterval(), 
                          RateIntervalUnit.SECONDS);
    
    // 尝试获取令牌
    if (!rateLimiter.tryAcquire(1)) {
        throw new BusinessException(ErrorCode.TOO_MANY_REQUEST);
    }
}
  • 用途: API接口限流,防止恶意请求
  • 算法: 令牌桶算法
  • 粒度: 支持用户级、IP级、接口级限流

5. 缓存管理配置

java 复制代码
@Bean
public CacheManager cacheManager() {
    RedisCacheConfiguration defaultConfig = RedisCacheConfiguration.defaultCacheConfig()
            .entryTtl(Duration.ofMinutes(30))  // 默认30分钟过期
            .disableCachingNullValues()        // 禁用null值缓存
            .serializeKeysWith(RedisSerializationContext.SerializationPair
                    .fromSerializer(new StringRedisSerializer()));
    
    return RedisCacheManager.builder(redisConnectionFactory)
            .cacheDefaults(defaultConfig)
            // 针对不同业务配置不同过期时间
            .withCacheConfiguration("good_app_page",
                    defaultConfig.entryTtl(Duration.ofMinutes(5)))
            .build();
}
Redis在项目中的架构角色

1. 性能层

  • 作为MySQL的缓存层,提升查询性能
  • 减少数据库压力,提高系统吞吐量

2. 会话层

  • 管理用户登录状态
  • 支持分布式部署的会话共享

3. 限流层

  • 实现分布式限流
  • 保护系统免受恶意攻击

4. 记忆层

  • 存储AI对话上下文
  • 支持智能对话的连续性

总结:

Redis在AI零代码生成项目中扮演着多重角色,从性能优化到业务功能支撑,是系统架构中不可或缺的组件。其高性能、丰富的数据结构和完善的生态支持,使其成为处理实时数据和缓存场景的最佳选择。

📞 联系我们

如果您有任何问题或建议,请随时联系我们:

相关推荐
QYR_112 小时前
2025-2031年全球箱体与盒体搬运机器人行业全景报告(含市场规模、竞争格局及投资潜力)
人工智能·市场研究
迎風吹頭髮4 小时前
UNIX下C语言编程与实践9-UNIX 动态库创建实战:gcc 参数 -fpic、-shared 的作用与动态库生成步骤
c语言·数据库·unix
袁总6664 小时前
智能座舱问答
人工智能
黑马金牌编程5 小时前
深入浅出 Redis:从核心原理到运维实战指南一
数据库·redis·缓存·性能优化·非关系型数据库
李迟5 小时前
2025年9月个人工作生活总结
服务器·数据库·生活
Sirius Wu5 小时前
SFT/DPO/PPO/GRPO训练全解析
人工智能·深度学习·语言模型
Learn Beyond Limits5 小时前
Clustering|聚类
人工智能·深度学习·神经网络·机器学习·ai·聚类·吴恩达
KKKlucifer5 小时前
IDC发布AI+政务、财政、应急三大市场空间与厂商份额报告
人工智能·百度·政务
丁希希哇5 小时前
【论文精读】CogVideoX: Text-to-Video Diffusion Models with An Expert Transformer
人工智能·深度学习·transformer