Milvus 基本操作

该页面将向您展示如何使用 Python SDK 运行 Milvus 基本操作。关于详细的 API 参考信息,请参考 Python API 文档

您也可以使用其它客户端,例如 Java, C++, Go, 或 RESTful.

注意:建议您使用资源评估工具来估算数据所需的硬件资源。

连接 Milvus 服务端

  1. 导入 pymilvus。

    1. # Import pymilvus
    2. >>> from milvus import Milvus, IndexType, MetricType, Status
  2. 使用以下任意一种方法连接 Milvus 服务端:

    1. # Connect to Milvus server
    2. >>> milvus = Milvus()
    3. >>> milvus.connect(host='localhost', port='19530')

    注意:在上面的代码中,hostport 都使用了默认值。您可以将其更改为自己设定的 IP 地址和端口。

    1. >>> milvus.connect(uri='tcp://localhost:19530')

创建/删除 collection

创建 collection

  1. 准备创建 collection 所需参数。

    1. # Prepare collection parameters
    2. >>> param = {'collection_name':'test01', 'dimension':256, 'index_file_size':1024, 'metric_type':MetricType.L2}
  2. 创建 collection 名为 test01, 维度为 256, 自动创建索引的数据文件大小为 1024 MB,距离度量方式为欧氏距离(L2)的 collection 。

    1. # Create a collection
    2. >>> milvus.create_collection(param)

获取 collection 的统计信息

您可以调用如下接口查询 collection 的统计信息。查询结果的信息包含 collection /分区/ segment 的向量数量,存储使用量等信息。

  1. >>> milvus.collection_info('test01')

注意:参考示例程序获取更详细的使用方式。

删除 collection

  1. # Drop collection
  2. >>> milvus.drop_collection(collection_name='test01')

在 collection 中创建/删除分区

创建分区

您可以通过标签将 collection 分割为若干个分区,从而提高搜索效率。每个分区实际上也是一个 collection 。

  1. # Create partition
  2. >>> milvus.create_partition('test01', 'tag01')

删除分区

  1. >>> milvus.drop_partition(collection_name='test01', partition_tag='tag01')

在 collection 中创建/删除索引

创建索引

注意:在实际生产环境中,建议在插入向量之前先创建索引,以便系统自动增量创建索引。需要注意的是,在向量插入结束后,相同的索引需要手动再创建一次(因为可能存在大小不满足 index_file_size 的数据文件,系统不会为该文件自动创建索引)。更多索引的用法请参考 索引示例程序

  1. 准备创建索引所需参数(以 IVF_FLAT 为例)。索引参数是一个 JSON 字符串,在 Python SDK 中以字典来表示。

    1. # Prepare index param
    2. >>> ivf_param = {'nlist': 16384}

    注意:对于不同的索引类型,创建索引所需参数也有区别。所有的索引参数都必须赋值

索引类型 索引参数 示例参数 取值范围
FLAT / IVFLAT / SQ8/ SQ8H nlist:建立索引时对向量数据文件进行聚类运算的分簇数。索引文件会记录聚类运算后的结果,包括索引的类型,每个簇的中心向量,以及每个簇分别有哪些向量,以便于后期搜索。 {nlist: 16384} nlist:[1, 999999]
IVFPQ nlist:建立索引时对向量数据文件进行聚类运算的分簇数。索引文件会记录聚类运算后的结果,包括索引的类型,每个簇的中心向量,以及每个簇分别有哪些向量,以便于后期搜索。

m:建立索引时数据的压缩率。m 越小压缩率越高。
{nlist: 16384, m: 12} nlist:[1, 999999]

m: {96, 64, 56, 48, 40, 32, 28, 24, 20, 16, 12, 8, 4, 3, 2, 1} 中的值
NSG search_length:值越大,代表在图中搜索的节点越多,召回率越高,但速度也越慢。建议 search_length 小于 candidate_pool 的值,取值范围建议在 [40, 80]。

out_degree:值越大,则占用内存越大,搜索性能也越好。

candidate_pool:影响索引质量,建议取值范围 [200,500]。
knng:影响索引质量,建议取值为 out_degree + 20.
{search_length: 45, out_degree:50, candidate_pool_size:300, knng:100} search_length range: [10, 300]

out_degree: [5, 300]

candidate_pool_size: [50, 1000]

knng: [5, 300]
HNSW M:影响 build 的时间以及索引的质量。 M 越大,构建索引耗时越长,索引质量越高,内存占用也越大。

efConstruction:影响 build 的时间以及索引的质量。 efConstruction 越大,构建索引耗时越长,索引质量越高,内存占用也越大。
{M: 16, efConstruction:500} M :[5, 48]
efConstruction :[100, 500]

关于详细信息请参考 Milvus 索引类型

2. 为 collection 创建索引。

  1. # Create index
  2. >>> milvus.create_index('test01', IndexType.IVF_FLAT, ivf_param)

删除索引

  1. >>> milvus.drop_index('test01')

在 collection /分区中插入/删除向量

在 collection 中插入向量

  1. 使用 random 函数生成 20 个 256 维的向量。

    1. >>> import random
    2. # Generate 20 vectors of 256 dimension
    3. >>> vectors = [[random.random() for _ in range(dim)] for _ in range(20)]
  2. 插入向量列表。如果您不指定向量 ID,Milvus 自动为向量分配 ID。

    1. # Insert vectors
    2. >>> milvus.insert(collection_name='test01', records=vectors)

    您也可以自己定义向量 ID:

    1. >>> vector_ids = [id for id in range(20)]
    2. >>> milvus.insert(collection_name='test01', records=vectors, ids=vector_ids)

在分区中插入向量

  1. >>> milvus.insert('test01', vectors, partition_tag="tag01")

您可以通过 get_vector_by_id() 验证已经插入的向量。此处验证插入的第一条向量。这里假设您的 collection 中存在以下向量 ID:

  1. >>> status, vector = milvus.get_vector_by_id(collection_name='test01', vector_id=0)

通过 ID 删除向量

假设您的 collection 中存在以下向量 ID:

  1. >>> ids = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19]

您可以通过以下命令删除向量:

  1. >>> milvus.delete_by_id(collection_name='test01', id_array=ids)

注意:目前删除向量操作仅支持在 CPU 上运行的 FLATIVFLATIVFSQ8 等索引类型。对于其他索引类型,即使执行了删除向量操作,再次搜索时也可以找到被删除的向量。

通过 ID 获取向量

您也可以根据向量 ID 获取向量, 目前仅支持一次获取单条向量,暂不支持批量获取:

  1. >>> status, vector = milvus.get_vector_by_id(collection_name='test01', vector_id=ids[0])

将 collection 中的数据进行 flush 操作

当您在进行有关数据更改的操作时,您可以将 collection 中的数据从内存中进行 flush 操作使数据落盘。Milvus 也会执行自动 flush。自动 flush 会在固定的时间周期(1 秒)将所有现存 collection 的数据进行 flush 操作。

  1. >>> milvus.flush(collection_name_array=['test01'])

对 collection 中的 segment 进行 compact 操作

Segment 是 Milvus 自动将插入的向量数据合并所获得的数据文件。一个 collection 可包含多个 segment 。如果一个 segment 中的向量数据被删除,被删除的向量数据占据的空间并不会自动释放。您可以对 collection 中的 segment 进行 compact 操作以释放多余空间。

  1. >>> milvus.compact(collection_name='test01', timeout='1')

获取 segment 中的向量 ID

您可以获取指定 segment 中向量 ID 信息。您需要提供 segment 的名称。 segment 的名称可以从 collection_info 中获取。

  1. >>> milvus.get_vector_ids('test01', '1583727470444700000')

在 collection /分区中搜索向量

在 collection 中搜索向量

  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}

    注意: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/IVFLAT/SQ8/SQ8H/IVFPQ nprobe: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} [1, nlist]
NSG search_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]
HNSW ef: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} [topk, 4096]

注意: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 32-dimension
  2. >>> q_records = [[random.random() for _ in range(dim)] for _ in range(5)]
  3. >>> milvus.search(collection_name='test01', query_records=q_records, top_k=2, params=search_param)

在分区中搜索向量

  1. # create 5 vectors of 32-dimension
  2. >>> q_records = [[random.random() for _ in range(dim)] for _ in range(5)]
  3. >>> milvus.search(collection_name='test01', query_records=q_records, top_k=1, partition_tags=['tag01'], params=search_param)

注意:如果您不指定 partition_tags, Milvus 会在整个 collection 中搜索。

与 Milvus 服务端断开连接

  1. >>> milvus.disconnect()

接下来您可以