搜索向量

Milvus 支持在 collection 或分区中搜索向量。

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}

    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/IVFPQnprobe：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]
    NSGsearch_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}[topk, 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} ∪ [topk, ∞)

    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-dimension
    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)

在分区中搜索向量

  1. # create 5 vectors of 256-dimension
  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 collection 中搜索。