题目
你要用 Redis vector sets 做商品语义检索，并按租户、年份和库存过滤。如何设计写入、VSIM 查询、索引容量和结果质量验证？
场景与适用边界
每个元素有字符串 ID、固定维度向量和可选 JSON 属性。Redis vector sets 使用 HNSW 做相似度搜索，也支持用 FILTER 对属性做简单数学过滤。回答要覆盖更新、删除、冷启动、内存上限、跨平台 FP32 编码和搜索降级；不要把它描述成自动保证业务级精确召回的黑盒。
面试官考察点
考察你能否把向量召回、结构化约束、数据生命周期和容量治理放在同一套服务契约里。Redis 文档说明 VADD 可新增或更新元素，VSIM 可按向量相似度查询，属性过滤表达式决定候选是否保留；FP32 blob 需要小端字节序，VALUES 形式可避免跨平台编码差异。
回答前可以先确认：
- 向量维度、距离度量、每个租户的数据量和更新频率是多少？
- 过滤条件是强约束还是允许扩大候选后在应用层补筛？
- 结果需要 top-k、相似度分数、属性还是可解释的过滤原因？
- 内存预算、持久化方式、故障恢复和跨可用区复制如何要求？
30 秒回答框架
先定义 key、元素 ID、向量维度和属性 schema；再说明 VADD/VSETATTR 写入与幂等更新、VSIM 的 top-k 和过滤；最后讲容量估算、质量基准、不可用时的关键词或旧索引回退。
分步骤深入解答
- 数据契约：固定维度和模型版本，元素 ID 全局唯一或按租户分 key，属性只保存过滤所需字段。
- 写入路径：先校验维度与模型版本，再用幂等
VADD更新向量，单独用VSETATTR更新属性；删除使用VREM。 - 查询路径：先验证租户边界与过滤表达式，再用
VSIM请求略大于最终 k 的候选，返回分数和属性供服务层审计。 - 容量治理：估算向量、HNSW 邻接和属性内存，设置单租户上限、淘汰策略与分片；避免把任意大 JSON 放进属性。
- 一致性与恢复：记录模型版本和写入事件，快照/恢复后校验维度、元素数和抽样召回；更新失败不能留下半新半旧的属性。
- 质量与降级：用标注集测 Recall@k、过滤后命中率和 p95 延迟；Redis 不可用或过滤表达式不支持时，切到关键词索引或旧版本快照。
高质量示范回答
我会按租户和模型版本设计 key，元素 ID 保持稳定，向量维度固定。写入时先校验维度与模型版本，用 VADD 幂等更新向量，再用 VSETATTR 写入年份、库存和租户属性；删除用 VREM。查询先在服务层验证租户条件，再请求略大于 k 的候选：
VSIM products:{tenant}:{model} VALUES 3 0.12 0.08 0.44 COUNT 50 WITHSCORES FILTER ".year >= 2024 && .stock > 0"我会记录维度、元素数、HNSW 信息和属性内存，按租户设置容量上限。基准同时测 Recall@k、过滤后命中率、p95/p99 延迟、读写吞吐和恢复时间，并用精确暴力检索作为质量基线。FP32 跨平台传输统一使用小端编码，或使用 VALUES 避免 blob 字节序差异。Redis 不可用、过滤不支持或模型版本不一致时，降级到关键词检索或上一版快照，并记录结果来源。
常见错误
- 只说“用 HNSW 很快”，没有维度、k、过滤和质量指标。
- 把属性过滤当成任意 SQL，忽略表达式能力和租户隔离。
- 直接把模型输出的任意维度向量写入同一个 vector set。
- 忽略 FP32 字节序、属性 JSON 大小和 HNSW 内存成本。
- 没有旧索引、关键词检索或快照恢复的降级路径。
评估时看能否把写入、查询、容量、一致性和质量验证串成闭环，说明 Redis 原生命令的边界，并给出可量化的降级策略。一般回答停留在“向量数据库加过滤”，没有数据契约和运行指标。
追问及应对
为什么不把所有业务字段都放进属性？
属性参与过滤并消耗内存；只保留候选筛选所需字段，其余详情按 ID 从主存储读取，避免索引膨胀和隐私扩散。
模型升级导致维度变化怎么办？
为新模型建立独立 key 或版本空间，双写并并行评估，达到 Recall@k、延迟和成本门槛后切换，不能在同一集合混用不同维度。
过滤条件过严导致没有结果怎么办？
先返回明确的零结果原因和指标，按产品允许的优先级逐步放宽条件或切换关键词召回；不能静默返回不满足租户或库存约束的结果。
面试作答要点
一句话总结
把 vector set 当成有明确维度、属性和容量契约的召回组件，再用质量基线和安全降级保证可控搜索。