SpingAI+Cassandra 实现消息持久化

查阅官方文档，Spring AI 支持的数据库如下：

PostgreSQL
MySQL / MariaDB
SQL Server
HSQLDB
Cassandra
Neo4j 图数据库；

最终我们选型的是 Cassandra 数据库。

Apache Cassandra 是一个开源的分布式 NoSQL（Not Only SQL）数据库管理系统，专为处理大规模数据量和高写入频率的工作负载而设计。它最初由 Facebook 开发，后来贡献给了 Apache 软件基金会，成为了 Apache 的一个顶级项目。

之所以选择它，主要是考虑到：

时间序列优化：原生支持时间序列数据模型（聊天记录本质是时间序列），并且内置 TTL (Time-To-Live) 自动清理机制，比如自动清理 3 年前的对话记录；
高并发写入：分布式架构轻松处理海量聊天消息写入（优于关系型数据库），线性扩展能力满足用户量增长；
生产级可靠性：多副本机制保障高可用，自动分区平衡，无单点故障；
与 Spring AI 深度集成：与 Spring AI 兼容性较好，自动建表 (ai_chat_memory)，无需手动 DDL，支持滑动窗口记忆策略

安装Cassandra 完成之后

首先，编辑 pom.xml 文件, 添加 Cassandra 依赖，如下：

<!-- Cassandra -->
<dependency>
	<groupId>org.springframework.ai</groupId>
	<artifactId>spring-ai-starter-model-chat-memory-repository-cassandra</artifactId>
</dependency>

添加完成后，记得刷新一下 Maven，将依赖下载到本地仓库中。

添加配置

cassandra:
  contact-points: 127.0.0.1 # Cassandra 集群节点地址（可配置多个，用逗号分隔）
  port: 9042 # 端口号
  local-datacenter: datacenter1 # 必须与集群配置的数据中心名称一致（大小写敏感）
application:
  name: xiaojiu-ai-robot
    chat:
      memory:
        repository:
          cassandra:
            keyspace: xiaojiu_ai_robot # 指定存储聊天记忆的 Keyspace（类似数据库名）
            table: t_ai_chat_memory # 表名
            time-to-live: 1095d # 数据的自动过期时间（1095天 ≈ 3年）
            initialize-schema: true  # 自动初始化表结构

修改ChatMemory 存储方式

/**
 * 记忆存储
 * @return
 */
@Resource
private CassandraChatMemoryRepository chatMemoryRepository;
@Bean
public ChatMemory chatMemory() {
    return MessageWindowChatMemory.builder()
            .maxMessages(50)//最大消息窗口50默认20
            .chatMemoryRepository(chatMemoryRepository)//记忆存储
            .build();
}