Milvus学习

#导入必要的库
from pymilvus import Milvusclient # Milvus客户端，用于操作嵌入式向量数据库
import numpy as np  # NumPy库，用于生成随机数和处理数组

# 初始化Milvus客户端
# 参数"./milvus_demo.db"指定了本地数据库文件的路径
# client = Milvusclient("./milvus_demo.db")
client = Milvusclient(uri='http://1.95.116.112:19530')

# 删除集合(Collection)
client.drop_collection(collection_name='demo_collection')

# 创建集合(Collection)
# 集合类似于关系型数据库中的表，用于存储向量和其他字段
client.create_collection(
    collection_name="demo_collection",  #集合名称为"demo collection"
    dimension=384  #向量的维度为384，表示每个向量是一个长度为384的浮点数数组
)

#准备数据：文档、向量和其他字段
docs = [
    "Artificial intelligence was founded as an academic discipline in 1956.",  #文档1
    "Alan Turing was the first person to conduct substantial research in AI.",  #文档2
    "Born in Maida Vale,London,Turing was raised in southern England.",  #文档3
]


#为每段文本生成一个随机的384维向量
#使用NumPy的`np.random.uniform`生成范围在-1到1之间的随机数
vectors = [[np.random.uniform(-1, 1) for _ in range(384)] for _ in range(len(docs))]

# 将文档、向量、ID和主题打包成字典格式
# 每个字典包含以下字段：
#-id:唯一标识符
#-vector:向量数据
#-text:文本内容
#-subject:主题标签（这里是"history")
data = [
    {"id":i, "vector":vectors[i], "text":docs[i], "subject":"history"}
    for i in range(len(vectors))
]

#将数据插入到集合中
res = client.insert(
    collection_name="demo_collection",  #指定目标集合
    data=data  #要插入的数据列表
)
#输出插入结果（通常返回成功状态或插入的记录数）
print("Insert result:", res)

# client.release_collection() 会释放集合的索引文件和原始数据，释放内存。
client.release_collection(collection_name='demo_collection')
# Milvus 会将索引文件和所有字段的原始数据加载到内存中，以便快速响应搜索和查询。
client.Load_collection(collection_name='demo_collection')

#执行相似性搜奏
#在集合中查找与查询向量最相似的记录
res = client.search(
    collection_name="demo_collection",  #指定目标集合
    data=[vectors[0]],  #查询向量（这里使用了第一个文档的向量）
    filter="subject=='history'",  #筛选条件：只返回主题为"history”的记录，注意为 == 
    limit=2,  #返回的最大结果数量（这里是2条）
    output_fields=["text","subject"],  #指定返回的字段（这里返回"text”和"subject")
)
#输出搜索结果
print("Search result:", res)

#执行查询操作
#根据条件筛选记录（类似于SQL查询）
res = client.query(
    collection_name="demo_collection",#指定目标集合
    filter="subject='history'",#筛选条件：只返回主题为"history”的记录
    output_fields=["text","subject"],#指定返回的字段（这里返回"text"和"subject")
)
#输出查询结果
print("Query result:", res)

#删除记录
#根据条件删除记录
res = client.delete(
    collection_name="demo_collection",#指定目标集合
    filter="subject=='history'",#筛选条件：删除主题为"history”的记录
)
#输出删除结果
print("Delete result:", res)