Spring AI 学习指南（五）Jdbc持久化记忆实战｜基于MySQL实现重启不丢失的多轮对话

javalucene

324人浏览 · 2026-05-26 07:44:40

javalucene · 2026-05-26 07:44:40 发布

统一环境：IDEA2026.1.1、JDK21、SpringBoot3.5.14、SpringAI1.1.6、智谱glm-4-flash、MySQL8.0

前置阅读：已掌握 Spring AI 分层记忆架构、InMemory内存记忆、MessageWindow滑动窗口机制

一、前言

上一篇我们彻底吃透了 Spring AI 官方标准记忆架构，基于内存存储实现了多轮上下文对话、会话隔离、消息窗口裁剪等核心能力。

但内存记忆存在致命短板：基于JVM内存存储，项目重启记忆全部丢失、不支持多实例集群共享，仅能用于本地开发测试，完全无法上线生产环境。

为了解决记忆持久化问题，Spring AI 官方提供了JdbcChatMemoryRepository 数据库存储方案，适配MySQL、PostgreSQL等主流关系型数据库。

本篇我们基于 MySQL + JDBC持久化记忆 + 滑动窗口策略 完成架构升级，实现：服务重启记忆不丢失、多实例集群共享、会话数据持久化归档，搭建稳定可靠的企业级对话记忆能力。

二、JdbcChatMemoryRepository 核心介绍

2.1 组件概念

JdbcChatMemoryRepository 是 Spring AI 官方提供的关系型数据库持久化仓库，实现了 ChatMemoryRepository 顶层存储接口，专门用于将对话消息持久化到数据库，替代临时的内存存储。

完美延续 Spring AI 策略与存储解耦的架构设计：上层记忆策略（MessageWindowChatMemory）完全不用改动，仅替换底层存储实现，即可完成持久化升级。

2.2 核心优势（对比内存存储）

持久化存储：对话数据落库，服务重启、宕机重启记忆永不丢失
集群共享：多实例部署共用同一数据库，实现多节点记忆数据同步
事务可靠：依托Spring事务机制，消息存取数据一致性有保障
多租户隔离：基于conversationId天然支持多用户、多会话隔离
可审计可归档：数据库留存完整对话数据，支持业务复盘、日志审计

2.3 适用场景

中小型AI对话系统、企业级智能客服、后台AI咨询功能、需要数据持久化的生产项目。

三、核心架构回顾

本次升级完全沿用原有架构体系，仅替换存储层实现，无侵入改造：

记忆策略层不变：继续使用 MessageWindowChatMemory 滑动窗口裁剪，控制消息数量，避免上下文膨胀
存储层升级：InMemoryChatMemoryRepository → JdbcChatMemoryRepository（MySQL）
自动装配不变：MessageChatMemoryAdvisor 自动完成消息存取、上下文拼接

这种解耦设计的最大优势：上层业务零改动，按需切换存储方案。

四、环境准备与依赖引入

4.1 引入核心Maven依赖

需要新增 Spring AI JDBC记忆仓库、MySQL驱动，pom.xml如下：

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>
    <parent>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-parent</artifactId>
        <version>3.5.14</version>
        <relativePath/>
    </parent>

    <groupId>demo.ai</groupId>
    <artifactId>spring-ai-demo</artifactId>
    <version>1.0.0</version>

    <properties>
        <maven.compiler.source>21</maven.compiler.source>
        <maven.compiler.target>21</maven.compiler.target>
        <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
        <spring.ai.version>1.1.6</spring.ai.version>
    </properties>
    <dependencyManagement>
        <dependencies>
            <dependency>
                <groupId>org.springframework.ai</groupId>
                <artifactId>spring-ai-bom</artifactId>
                <version>${spring.ai.version}</version>
                <type>pom</type>
                <scope>import</scope>
            </dependency>
        </dependencies>
    </dependencyManagement>

    <dependencies>
        <dependency>
            <groupId>org.projectlombok</groupId>
            <artifactId>lombok</artifactId>
            <optional>true</optional>
        </dependency>
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-client-chat</artifactId>
        </dependency>
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-starter-model-zhipuai</artifactId>
        </dependency>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-web</artifactId>
        </dependency>

        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-starter-model-chat-memory-repository-jdbc</artifactId>
        </dependency>
        <dependency>
            <groupId>mysql</groupId>
            <artifactId>mysql-connector-java</artifactId>
            <version>8.0.33</version>
        </dependency>
    </dependencies>

</project>

4.2 配置数据库连接

在 application.yml 中配置MySQL数据源，创建数据库spring_ai

spring:
  ai:
    zhipuai:
      api-key: 4281feecb23exxxxxxx  # 从智谱AI获取的 api-key
      base-url: https://open.bigmodel.cn/api/paas
      chat:
        options:
          model: glm-4-flash
          temperature: 0.7  # 随机性 0-1 越低越严谨
  datasource:
    driver-class-name: com.mysql.cj.jdbc.Driver
    url: jdbc:mysql://localhost:3306/spring_ai?useUnicode=true&characterEncoding=utf-8&serverTimezone=Asia/Shanghai&allowMultiQueries=true
    username: root    # 数据库用户名
    password: 123456  #你的数据库密码
server:
  servlet:
    # 解决流式输出乱码
    encoding:
      charset: UTF-8        # UTF-8字符集
      force: true           # 强制使用UTF-8
      enabled: true         # 开启 Spring Boot 内置的编码过滤器

五、数据表自动初始化说明

注意：新版本Spring AI存在自动建表失效问题，不会自动生成spring_ai_chat_memory数据表，需要手动执行建表SQL，否则项目启动报错、记忆功能无法使用。下面提供可直接执行的标准建表语句：

CREATE TABLE IF NOT EXISTS spring_ai_chat_memory (
    id BIGINT NOT NULL AUTO_INCREMENT,
    conversation_id VARCHAR(36) NOT NULL,
    content TEXT NOT NULL,
    type VARCHAR(10) NOT NULL,
    timestamp TIMESTAMP NOT NULL,
    PRIMARY KEY (id),
    INDEX idx_conv_ts (conversation_id, timestamp),
    CONSTRAINT type_check CHECK (type IN ('USER', 'ASSISTANT', 'SYSTEM', 'TOOL'))
);

执行上述SQL后，会生成 spring_ai_chat_memory 数据表，用于存储会话ID、对话内容、消息类型、时间戳等全部记忆数据，完全适配JdbcChatMemoryRepository持久化规则。

六、全局配置类改造（核心代码）

仅修改存储层Bean，上层记忆策略、Advisor、ChatClient 配置完全复用，零业务侵入。

package demo.ai.conf;

import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.chat.client.advisor.MessageChatMemoryAdvisor;
import org.springframework.ai.chat.memory.MessageWindowChatMemory;
import org.springframework.ai.chat.memory.repository.jdbc.JdbcChatMemoryRepository;
import org.springframework.ai.chat.memory.repository.jdbc.MysqlChatMemoryRepositoryDialect;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.jdbc.core.JdbcTemplate;

@Configuration
public class ChatMemoryConfig {

//    /**
//     * 1. 注册内存存储仓库（默认存储方案）
//     */
//    @Bean
//    public InMemoryChatMemoryRepository chatMemoryRepository() {
//        return new InMemoryChatMemoryRepository();
//    }

    /**
     * 1. 升级为JDBC数据库持久化仓库（MySQL方言）
     */
    @Bean
    public JdbcChatMemoryRepository chatMemoryRepository(JdbcTemplate jdbcTemplate) {
        // 指定MySQL方言，适配数据库语法
        return JdbcChatMemoryRepository.builder()
                .jdbcTemplate(jdbcTemplate)
                .dialect(new MysqlChatMemoryRepositoryDialect())
                .build();
    }

//    /**
//     * 2. 注册滑动窗口记忆策略
//     * maxMessages：最大保留消息条数，超出自动裁剪旧消息，保留系统消息
//     */
//    @Bean
//    public MessageWindowChatMemory chatMemory(InMemoryChatMemoryRepository repository) {
//        return MessageWindowChatMemory.builder()
//                .chatMemoryRepository(repository)
//                .maxMessages(10)
//                .build();
//    }
    /**
     * 2. 滑动窗口记忆策略（完全复用，无需改动）
     * 最大保留10条消息，自动裁剪过期消息
     */
    @Bean
    public MessageWindowChatMemory chatMemory(JdbcChatMemoryRepository repository) {
        return MessageWindowChatMemory.builder()
                .chatMemoryRepository(repository)
                .maxMessages(10)
                .build();
    }

    /**
     * 3. 构建自带记忆能力的ChatClient
     * 自动装配记忆顾问，实现上下文自动拼接、自动存储
     */
    @Bean
    public ChatClient chatClient(ChatClient.Builder builder, MessageWindowChatMemory chatMemory) {
        return builder
                .defaultAdvisors(MessageChatMemoryAdvisor.builder(chatMemory).build())
                .build();
    }
}

七、控制器代码（完全复用）

得益于架构解耦，业务控制器无需一行代码改动，自动适配数据库持久化记忆。代码参考前一次教程。

八、核心原理与代码解析

8.1 方言适配机制

MysqlChatMemoryRepositoryDialect 是MySQL专属方言，用于适配MySQL的SQL语法、字段类型、主键规则，Spring AI 同时支持PostgreSQL、SQL Server等多种方言，切换数据库仅需替换方言类。

8.2 自动执行流程

请求触发：携带sessionId的用户提问
前置操作：Advisor从数据库查询该会话历史消息，拼接Prompt
模型调用：发送带上下文的请求，获取AI回复
后置操作：自动将本轮问答更新存入数据库

九、功能测试（核心验证：重启不丢失）

9.1 常规多轮记忆测试

1、首次请求：http://localhost:8080/memory/chat?sessionId=user001&msg=我想咨询内科挂号时间

2、重启系统

3、二次请求：http://localhost:8080/memory/chat?sessionId=user001&msg=我刚刚咨询的是什么科室？

结果：AI正常识别上下文，记忆生效，数据库可查询到对话记录。

9.2 核心持久化测试（重点）

1、停止SpringBoot项目，重启服务

2、再次调用上述上下文提问接口

测试结果：服务重启后，AI依然能记住历史对话，彻底解决内存记忆丢失问题！

9.3 会话隔离测试

不同sessionId完全隔离，各自记忆独立存储，无串台问题，支持多用户同时在线对话。

十、Jdbc持久化记忆优缺点

10.1 优势

数据持久化落库，服务重启、宕机记忆不丢失
支持集群多实例部署，多节点共享对话数据
依托数据库事务，数据安全可靠，支持审计归档
官方原生组件，无第三方依赖，适配Spring生态
架构解耦，上层业务无需改动，平滑升级

10.2 劣势

数据库读写性能有限，高并发场景QPS瓶颈明显
频繁读写数据库，会造成数据库IO压力
不适合超高并发、毫秒级响应的分布式AI对话场景

十一、本期踩坑总结

坑1：数据表不存在：未引入jdbc依赖、未配置数据源，未手动执行建表SQL、新版本自动建表失效，导致数据表不存在
坑2：方言不匹配：MySQL必须指定 MysqlChatMemoryRepositoryDialect，否则SQL语法报错
坑3：记忆不更新：未替换Bean，依然使用内存仓库，导致落库失效
坑4：上下文膨胀：未配置maxMessages，数据库消息数据持续累积，影响查询性能

十二、本篇学习总结

本期完成了 Spring AI 记忆体系的生产级升级，核心收获：

掌握 JdbcChatMemoryRepository 数据库持久化核心原理与实战
深刻体会 Spring AI 存储与策略解耦的优秀架构设计
实现可重启、可集群、可归档的企业级对话记忆
掌握多数据库方言适配、自动建表、窗口裁剪组合用法
区分内存存储与数据库存储的适用场景与性能差异

十三、结语

从内存临时记忆，到MySQL持久化记忆，我们一步步将AI对话能力从“测试Demo”打磨为“生产可用”。JDBC记忆方案足够满足中小型项目的生产需求，架构稳定、维护简单。

但对于大型平台、高并发AI对话系统，Redis分布式记忆才是最终的生产最优解，Spring AI 2.0.x将支持RedisChatMemoryRepository，因此后续不再手写RedisChatMemoryRepository。

AtomGit开源社区

AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念，把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起，为开发者提供从开发、训练到部署的一站式体验。

更多推荐

AI群演请就位—个人博客（六）

项目的开发任务是构建一个完整的游戏叙事系统前端，包含世界选择、角色创建、主对话和结局展示四大核心界面。目标是为玩家提供沉浸式的穿书体验，让每个选择都影响剧情走向和最终结局。此前我已经基本完成各个界面的实现，此次博客记录的工作內容主要是我针对各个界面进行功能完善和体验优化。模块关键技术主要完善内容世界选择CSS Grid、悬停预览预览浮层、选中动画、边界检测角色创建步骤表单、点数分配三步引导、属性分