一文带你入门 Milvus：详细指南
- 新手如何使用 Milvus：详细指南
- 一、Milvus 简介
- 主要特点
- 应用领域
- 二、安装 Milvus
- 安装 Docker Compose
- 基于 Docker Compose 安装 Milvus 服务端
- 安装 attu - 可视化界面工具
- 三、快速入门
- 安装 Python SDK
- 连接数据库
- 方式 1
- 方式 2（方式 1 的封装）
- 数据库操作
- 核心概念
- 集合操作
- 数据操作
- 插入数据
- 精准查询数据 - get
- 条件查询数据 - query
- 查询数据 - search
- 插入或更新数据
- 删除数据
- 字段操作
- 数据类型
- 快速使用
- 动态字段
- 索引操作
- 索引类型
- 快速使用
- 列出索引
- 创建索引
- 查看索引
- 删除索引
新手如何使用 Milvus：详细指南
一、Milvus 简介
Milvus 是高性能、高度可扩展的开源向量数据库，支持 TB 级向量的增删改和近实时查询。它集成了多个向量索引库，具有数据分区分片、持久化等功能，应用场景广泛。
官网：官网链接
文档：官方文档
仓库：GITHUB
主要特点
- 集成了 Faiss、NMSLIB、Annoy 等广泛应用的向量索引库。
- 支持数据分区分片、数据持久化、增量数据摄取、标量向量混合查询、time travel 等功能。
- 大幅优化了向量检索的性能，可满足任何向量检索场景的应用需求。
- 提供了一整套简单直观的 API，可针对不同场景选择不同的索引类型，还能对标量数据进行过滤，提高召回率和搜索灵活性。
应用领域
| 应用领域 | 描述 |
|---|---|
| 图像相似性搜索 | 使图像可搜索，并即时返回来自大型数据库中最相似的图像。 |
| 视频相似性搜索 | 通过将关键帧转换为向量，然后将结果输入 Milvus，可以在几乎实时的时间内搜索和推荐数十亿个视频。 |
| 音频相似性搜索 | 快速查询大量音频数据，如语音、音乐、音效和表面相似的声音。 |
| 分子相似性搜索 | 针对指定分子进行极快的相似性搜索、子结构搜索或超结构搜索。 |
| 推荐系统 | 根据用户行为和需求推荐信息或产品。 |
| 问答系统 | 交互式数字问答聊天机器人，自动回答用户的问题。 |
| DNA 序列分类 | 通过比较相似的 DNA 序列，在毫秒级别准确地分类一个基因。 |
| 文本搜索引擎 | 通过将关键字与文本数据库进行比较，帮助用户找到他们正在寻找的信息。 |
二、安装 Milvus
目前 Milvus 运行的环境都是在 Docker 上，因此在安装 Milvus 之前，需要先确认 Docker 和 Docker Compose 已经安装到本地机子上。
安装 Docker Compose
如果本地机子没有安装 Docker Compose，可以按以下命令安装：
# 这个命令必须保证自己的机子已经安装了docker和python3.8+
pip install docker-compose
注意：默认情况下，如果安装的 Docker 是 Docker Desktop，默认会顺便已经安装了 Docker Compose，则不需要再继续安装，否则会报错，这时候需要卸载掉 Python 安装的。
基于 Docker Compose 安装 Milvus 服务端
- 下载 Milvus 镜像服务配置文件：
https://github.com/milvus-io/milvus/releases/download/v2.4.12/milvus-standalone-docker-compose.yml - 下载完成以后，执行如下命令即可启动 Milvus 数据库：
docker-compose -f milvus-standalone-docker-compose.yml up -d
- 关闭数据库服务镜像，命令如下：
docker-compose -f milvus-standalone-docker-compose.yml down
- 如果使用 Docker 无法拉取镜像，执行上面安装命令一直报网络错误，则可能是因为 Docker 封锁了国内 IP 的问题导致的，解决方法是在 Docker 配置文件中添加国内镜像源：
{"builder": {"gc": {"defaultKeepStorage": "20GB","enabled": true}},"experimental": false,// 以下就是新增的国内镜像源"registry-mirrors": ["https://docker.1ms.run","https://hub.rat.dev","https://docker.1panel.live"]
}
安装 attu - 可视化界面工具
下载地址：https://github.com/zilliztech/attu/releases
三、快速入门
除了使用可视化工具连接 Milvus 数据库以外，通常会使用编程语言客户端操作 Milvus 数据库，这里以 Python SDK 为例。
安装 Python SDK
pip install pymilvus[model]
连接数据库
方式 1
from pymilvus import connections, db# 连接数据库服务器
connections.connect(host="127.0.0.1", # 连接服务端地址，port=19530, # 连接端口，milvus默认监听19530alias='default', # 连接别名，如果不设置，默认为default，db_name='default' # 连接数据库，默认是default
)# 判断是否连接成功
res = db.connections.has_connection('default')
print(res)# 断开数据库连接
# 此处必须填写断开的连接别名
connections.disconnect('default')
方式 2（方式 1 的封装）
from pymilvus import MilvusClient# 如果没有开启用户身份认证，直接通过uri连接即可。
client = MilvusClient("http://localhost:19530")
# client = MilvusClient() # 上面的内容可以简写# 开启用户身份认证 并使用root用户的情况
client = MilvusClient(uri="http://localhost:19530",token="root:Milvus",db_name="default"
)# 开启用户身份认证 并使用非root用户的情况
client = MilvusClient(uri="http://localhost:19530",token="user:password",db_name="default"
)# 断开连接
client.close()
数据库操作
| 操作 | 代码示例 | 说明 |
|---|---|---|
| 列出数据库 | client.list_collections() | 列出所有集合 |
| 创建数据库 | client.create_database('my_database') | 数据库名必须唯一，重复创建会报错：database already exist |
| 使用数据库 | client.using_database('my_database')print(client |
