调试网站解析域名影响怎么在企查查网站做企业认证
上文【SpringAI篇02】，我们实现了连续对话的上下文记忆功能以及会话隔离，现在我们进一步完善，增加持久化等功能
目录
1. 默认内存存储方案的分析
2. 引入持久化的方式
2.1 依赖项、数据库配置
2.1.1 导入依赖：
2.1.2 创建表 SPRING_AI_CHAT_MEMORY
2.1.3 配置 application.yaml
2.2 注入使用 JdbcChatMemoryRepository
3. 效果展示
1. 默认内存存储方案的分析
我们之前在初始化 ChatMemory 的时候，使用的 ChatMemoryRepository 是框架提供的一个基于内存存储的 InMemoryChatMemroyRepository（底层是基于 ConcurrentHashMap 实现），虽然实现了上下文，但是不支持持久化：
对话数据全部存储在内存中不太好，且 ChatMemory 的默认唯一实现 MessageWindowChatMemory 对于消息数量做了一定的限制，一旦在单次会话中消息数量超过限制，就会移除旧消息，保留新消息，导致未持久化的旧消息丢失：
可以通过下面表格捋清上述提到的类、接口关系（默认使用的实现类）：
ChatMemory (接口) | MessageWindowChatMemory (实现类) | ChatMemoryRepository (接口) | InMemoryChatMemoryRepository (实现类) | |
|---|---|---|---|---|
| 核心作用 | 定义了聊天记忆的基本行为，如记住消息、获取消息等。是最高层次的抽象。 | 实现了 ChatMemory 接口，管理聊天记忆，并引入了“消息窗口”的概念，限制记忆的消息数量。 | 定义了对聊天记忆进行 CRUD (创建、读取、更新、删除) 操作的契约。是低层次的存储抽象。 | 实现了 ChatMemoryRepository 接口，将聊天记忆存储在内存中，不进行持久化。 |
| 与上下层的关系 | 被上层（如 ChatClient 或自定义业务逻辑）使用。底层通过 ChatMemoryRepository 实现。 | 实现了 ChatMemory 接口，并依赖于 ChatMemoryRepository 来进行实际的数据存储和检索。 | 被 ChatMemory 的实现类（如 MessageWindowChatMemory）依赖，提供数据存储服务。可以有多种实现（如数据库、文件等）。 | 实现了 ChatMemoryRepository 接口，是 MessageWindowChatMemory 默认使用的存储实现。 |
| 在 SpringAI 中的作用 | 定义了聊天记忆的抽象，方便不同实现的切换。 | 提供了基于消息窗口的聊天记忆管理策略，是 SpringAI 默认的聊天记忆实现。 | 定义了聊天记忆数据的存储和检索方式，是聊天记忆持久化的基础。 | 提供了最简单的聊天记忆存储方式，适用于开发、测试或不需要持久化的场景。 |
2. 引入持久化的方式
SpringAI 提供了多种持久化的方式，这里演示 关系型数据库 MySQL 的操作（也可以自己实现 ChatMemory 持久化到 Redis 中）
2.1 依赖项、数据库配置
2.1.1 导入依赖：
<dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-starter-model-chat-memory-repository-jdbc</artifactId>
</dependency>2.1.2 创建表 SPRING_AI_CHAT_MEMORY
或者创建名为 schema-mysql.sql 的.sql文件（与后面配置有关），并且放在项目资源目录下，后续通过配置指定自动初始化也可以
CREATE TABLE IF NOT EXISTS SPRING_AI_CHAT_MEMORY
(conversation_id VARCHAR(36) NOT NULL,content TEXT NOT NULL,type VARCHAR(10) NOT NULL,`timestamp` TIMESTAMP NOT NULL,CONSTRAINT TYPE_CHECK CHECK (type IN ('USER', 'ASSISTANT', 'SYSTEM', 'TOOL'))
);
注意：这一步的前提是先配置MySQL数据源的四项（自行完成）
2.1.3 配置 application.yaml
新增 yaml 部分：
完整 applitcation.yaml：
spring:application:name: 你的服务名称ai:openai:base-url: https://dashscope.aliyuncs.com/compatible-modeapi-key: ${BAILIAN_API_KEY}chat:options:model: qwen-maxtemperature: 0.9chat:memory:repository:jdbc:initialize-schema: alwaysschema: classpath:schema-mysql.sqldatasource:url: jdbc:mysql://${IPADDR}:3306/spring-ai?serverTimezone=Asia/Shanghai&useSSL=false&useUnicode=true&characterEncoding=utf-8&zeroDateTimeBehavior=convertToNull&transformedBitIsBoolean=true&tinyInt1isBit=false&allowPublicKeyRetrieval=true&allowMultiQueries=true&useServerPrepStmts=falseusername: rootpassword: 123456driver-class-name: com.mysql.cj.jdbc.Driver
logging: # springboot log levellevel:org.springframework.ai.chat.client.advisor: debugcom.demo.aiqqq: debug
2.2 注入使用 JdbcChatMemoryRepository
Spring AI 为 JdbcChatMemoryRepository 提供了自动配置，可以直接注入使用，也可以手动创建、自行探索，详见：Chat Memory :: Spring AI Reference --- Chat Memory :: Spring AI Reference
https://docs.spring.io/spring-ai/reference/api/chat-memory.html#_jdbcchatmemoryrepository所以直接修改我们配置 ChatMemory 的代码，将之注入，并且配置到 chatMemoryRepository 中即可：
package com.demo.aiqqq.config;import lombok.RequiredArgsConstructor;
import lombok.extern.slf4j.Slf4j;
import org.springframework.ai.chat.memory.ChatMemory;
import org.springframework.ai.chat.memory.MessageWindowChatMemory;
import org.springframework.ai.chat.memory.repository.jdbc.JdbcChatMemoryRepository;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;/*** 与 配置各种其他组件，如聊天记忆，记忆管理方式的配置类* @Author: qiquqiu* @Date: 2025/6/26 16:45*/
@Slf4j
@Configuration
@RequiredArgsConstructor
public class CommonConfig {/*** ChatMemory 聊天对话记忆的存储* @param jdbcChatMemoryRepository 操作数据库存储聊天记忆*/@Beanpublic ChatMemory chatMemory(JdbcChatMemoryRepository jdbcChatMemoryRepository) {log.debug("ChatMemory 初始化...");return MessageWindowChatMemory.builder().chatMemoryRepository(jdbcChatMemoryRepository) // 改动之处.maxMessages(20).build();}
}
3. 效果展示
启动项目，在之前的数据库中会自动创建出一个表： SPRING_AI_CHAT_MEMORY
我们开始对话并且测试两次启动项目，对话是否能实现持久化：
我们查看数据库的 SPRING_AI_CHAT_MEMORY 表，可以发现上面两个对话的 chatId、对话内容、 对话类型、 时间戳都保存进来了（两次一问一答）：
现在，我们重启项目，再次接续 chatId=1 和 chatId=2 的对话继续
显然，既能够识别出水果数量也能识别出不同对话的水果种类，通过日志我们也可以清晰看到，在新的两次对话中，之前的对话都作为附带信息封装在请求中，说明数据库的持久化与重启项目的读取聊天记录都实现了：
