查询向量

Milvus 支持在集合或分区中查询向量。

在集合中查询向量

  1. 创建搜索参数。搜索参数是一个 JSON 字符串,在 Python SDK 中以字典来表示。

    1. >>> search_param ={'nprobe':16}

    对于不同的索引类型,搜索所需参数也有区别。所有的搜索参数都必须赋值

    索引类型搜索参数示例参数取值范围
    FLAT--
    IVF_FLAT/IVF_SQ8/IVF_SQ8H/IVF_PQnprobe:查询时所涉及的向量类的个数。nprobe 影响查询精度。数值越大,精度越高,速度越慢。{nprobe: 32}CPU: [1, nlist]
    GPU: [1, min(2048, nlist)]
    RNSGsearch_length:值越大,代表在图中搜索的节点越多,召回率越高,速度越慢。{search_length: 100}[10, 300]
    HNSWef:值越大,则在索引中搜索的数据越多,召回率越高,速度越慢。{ef: 64}[top_k, 4096]
    ANNOYsearch_k: 影响搜索性能。值越大,搜索结果越精确,但搜索时间越长。
    -1 表示默认值,取总数据量的5%。
    {search_k: -1}{-1} ∪ [top_k, n × n_trees]

    top_k 是与目标向量最相似的 k 条向量,在搜索时定义。top_k 的取值范围是 (0, 2048]。

  2. 创建随机向量作为 query_records 进行搜索:

    1. # Create 5 vectors of 256 dimensions.
    2. >>> q_records =[[random.random()for _ in range(256)]for _ in range(5)]
    3. >>> milvus.search(collection_name='test01', query_records=q_records, top_k=2,params=search_param)

在分区中查询向量

  1. # Create 5 vectors of 256 dimensions.
  2. >>> q_records =[[random.random()for _ in range(256)]for _ in range(5)]
  3. >>> milvus.search(collection_name='test01', query_records=q_records, top_k=1, partition_tags=['tag01'],params=search_param)

如果你不指定 partition_tags, Milvus 会在整个集合中搜索。