原文：https://mp.weixin.qq.com/s/nJWQiXoSGbzqgk8uhPj2zQ

RAG往期文章推荐

RAGFlow 采用多存储分离架构，将结构化元数据、原始文件、检索索引、缓存与任务队列等不同职责拆分到独立存储组件中，各组件按需选型、独立扩展，并针对各自负载特征进行优化。其核心存储分工如下：

元数据库：存储结构化业务元数据，是系统状态与业务关系的核心承载。
对象存储：存储原始文件与解析产物等非结构化二进制数据。
文档/向量检索引擎：存储 chunk 文本与向量 Embedding，支撑全文检索、向量检索与混合召回。
Redis：承担缓存、异步任务队列与分布式锁等临时状态管理。

在默认的 Docker Compose 部署方案中，RAGFlow 通常组合使用 MySQL + MinIO + Elasticsearch + Redis。同时，各存储组件并非绑定单一实现，而是支持按组件替换与组合，以适应不同部署环境、成本模型和技术栈偏好。例如：

元数据库可替换为 PostgreSQL、OceanBase 等；
对象存储可替换为 S3、OSS、Azure Blob、GCS 等；
文档/向量检索引擎可替换为 Infinity、OpenSearch、OceanBase、GaussDB 等；
Redis 也可根据实际部署条件选择独立服务或托管服务。

因此，RAGFlow 的多存储分离架构不仅体现在不同存储各司其职，更体现在各组件可插拔、可替换、可组合的工程化设计上。这种架构既保证了默认部署的开箱即用，也为生产环境中的规模化、国产化、云原生化部署提供了灵活的存储选型空间。

MySQL（元数据数据库)

核心定位：结构化业务元数据存储，不存原始文件、不存向量。

存储内容：

用户、租户、知识库、文档记录、分片元信息、对话历史、API Key、系统配置、权限、任务状态等结构化数据。

能力：

提供事务与关系查询能力，维护知识库与文档之间的关联关系。
支撑权限校验、状态流转、配置读取等业务逻辑。
不保存：
- 文件二进制内容、chunk 文本、向量 embedding。

可替换：PostgreSQL、OceanBase 等。

典型场景：

查询某知识库下有哪些文档、创建时间、权限归属；
保存问答对话记录与任务状态。

MinIO（对象存储）

核心定位：原始文件二进制存储。

存储内容：

用户上传的 PDF、Word、图片等原始文件；
解析后产生的图片、附件等资源。

能力：

提供 S3 兼容的对象存储能力，适合大文件与非结构化二进制数据；
支持多知识库引用同一份文件，避免重复存储。

可替换：S3、阿里云 OSS、Azure Blob、GCS 等。

特点：

文件上传后放入 MinIO；
解析时从 MinIO 读取原始文件；
删除知识库不会直接删除原始文件，文件管理由独立机制控制。

数据流：

上传文件 → 写入 MinIO → MySQL 记录文件元信息。

文档&向量引擎（Elasticsearch / Infinity / OpenSearch / OceanBase）

核心定位：chunk 文本 + 向量 Embedding 存储，混合检索（关键词 BM25 + 向量相似度），是 RAG 最核心的检索存储。RAGFlow 将其称为 Document Engine，它不是单纯的向量库，而是全文与向量混合引擎。

Elasticsearch（默认）

保存内容：
- 文档切分后的 chunk 文本、BM25 倒排索引、向量 embedding。
能力：
- 全文关键词检索、向量检索、短语匹配、复合排序、hybrid 检索。

Infinity（InfiniFlow自研，推荐高性能RAG场景）

AI 原生数据库，同时支持稠密向量、稀疏向量、全文检索；
针对 RAG 场景优化，向量检索性能优于 ES。

OpenSearch

ES分支，功能接近，可替换ES

OceanBase/GaussDB

国产数据库，支持向量能力，适合国产化部署

检索流程：

用户提问 → 向量化 → 在引擎内同时做BM25关键词+向量召回 → rerank → 返回相关片段

Redis

核心定位：缓存 + 异步任务队列 + 分布式锁。

任务队列：

文档解析、OCR、切分、Embedding 生成等异步任务（Celery broker）；
文件上传后，解析任务丢进 Redis 队列，由 worker 消费。

缓存：

临时缓存模型结果、检索结果、会话临时数据，减少数据库压力。

分布式锁：

多实例部署时防止任务重复执行。

特点：

不持久化业务数据，属于临时状态存储。

完整数据流

用户上传 PDF → 文件二进制存入 MinIO；文件元信息记录到 MySQL。
解析任务推入 Redis 队列。
Worker 读取 MinIO 原始文件，进行解析、切分、生成 Embedding。
Chunk 文本 + 向量写入 ES / Infinity。
用户提问：查询进入 RAG → 在 ES / Infinity 混合召回 chunk → 交给 LLM 生成答案；对话记录写入 MySQL。

架构总结


组件	存储内容	核心作用	是否持久化业务数据
MySQL	用户/知识库/对话/文档元数据	业务关系、权限、对话记录	是
MinIO(S3)	PDF/Word/图片原始文件	二进制文件持久化	是
ES/Infinity	chunk文本、向量、倒排索引	混合检索（关键词+向量）	是
Redis	任务队列、临时缓存、锁	异步任务调度、缓存	默认内存，持久化可选

RAGFlow 的多存储分离架构，本质上是按数据形态与访问模式进行职责拆分：

MySQL 管结构化元数据与业务关系；
MinIO 管原始文件与二进制资源；
ES/Infinity 管 chunk 文本、向量与混合检索；
Redis 管缓存、队列与分布式协调。

这种设计使各组件能够独立扩展、按需替换，既保证了默认部署的开箱即用，也为生产环境中的规模化、国产化、云原生化部署提供了灵活的存储选型空间。