以下将详细介绍 Milvus 向量数据库中保存（插入）、删除、查询（query 和 search）操作的输入输出参数，并给出代码示例。
环境准备
确保已经安装 pymilvus 库，若未安装，可使用以下命令：
pip install pymilvus
连接到 Milvus
from pymilvus import connections# 连接到 Milvus 服务
connections.connect(alias="default",host='localhost',port='19530'
)
1. 保存（插入）操作
输入参数说明
data：- 类型：列表，列表中的每个元素对应集合中的一个字段的数据。
- 说明：元素的顺序和类型需与集合定义中的字段一致。例如，如果集合有
id、vector、name三个字段，那么data列表可能是[[id1, id2], [vector1, vector2], ["name1", "name2"]]。
collection_name：- 类型：字符串
- 说明：要插入数据的集合名称。
partition_name（可选）：- 类型：字符串
- 说明：指定数据要插入的分区名称，如果不指定则插入到默认分区。
输出参数说明
返回一个 InsertResult 对象，包含以下字段：
primary_keys：- 类型：列表
- 说明：插入记录的主键值列表，可用于后续对这些记录的引用。
insert_count：- 类型：整数
- 说明：成功插入的记录数量。
代码示例
from pymilvus import Collection, FieldSchema, CollectionSchema, DataType
import random# 定义集合字段
fields = [FieldSchema(name="id", dtype=DataType.INT64, is_primary=True, auto_id=False),FieldSchema(name="vector", dtype=DataType.FLOAT_VECTOR, dim=128),FieldSchema(name="name", dtype=DataType.VARCHAR, max_length=64)
]# 创建集合模式
schema = CollectionSchema(fields=fields, description="Example collection")# 创建集合
collection = Collection(name="my_collection", schema=schema)# 准备插入的数据
ids = [1, 2]
vectors = [[random.random() for _ in range(128)] for _ in range(2)]
names = ["Alice", "Bob"]data = [ids,vectors,names
]# 插入数据
result = collection.insert(data)
print(f"插入记录的主键值列表: {result.primary_keys}")
print(f"成功插入的记录数量: {result.insert_count}")# 刷新集合以确保数据可见
collection.flush()
2. 删除操作
输入参数说明
expr：- 类型：字符串
- 说明：删除条件表达式，使用类似 SQL 的布尔表达式语法，用于指定要删除的记录。例如
"id == 1"表示删除id为 1 的记录。
collection_name：- 类型：字符串
- 说明：要删除数据的集合名称。
partition_name（可选）：- 类型：字符串
- 说明：指定要在哪个分区执行删除操作，如果不指定则在整个集合中删除。
输出参数说明
返回一个 DeleteResult 对象，包含以下字段：
deleted_count：- 类型：整数
- 说明：成功删除的记录数量。
代码示例
# 定义删除条件
expr = "id == 1"# 删除符合条件的记录
result = collection.delete(expr)
print(f"成功删除的记录数量: {result.deleted_count}")# 刷新集合以确保删除操作生效
collection.flush()
3. 查询（query）操作
输入参数说明
expr：- 类型：字符串
- 说明：查询条件表达式，使用类似 SQL 的布尔表达式语法，用于筛选符合条件的记录。例如
"id > 0"表示查询id大于 0 的记录。
output_fields：- 类型：列表
- 说明：指定要返回的字段名称列表。例如
["id", "name"]表示返回id和name字段的值。
offset（可选）：- 类型：整数
- 说明：查询结果的偏移量，默认为 0。用于分页查询，例如
offset = 10表示从第 10 条记录开始返回结果。
limit（可选）：- 类型：整数
- 说明：返回结果的最大数量，默认为无穷大。例如
limit = 10表示最多返回 10 条记录。
collection_name：- 类型：字符串
- 说明：要查询数据的集合名称。
partition_names（可选）：- 类型：列表
- 说明：指定要在哪些分区进行查询，如果不指定则在整个集合中查询。
consistency_level（可选）：- 类型：字符串
- 说明：查询的一致性级别，默认为集合的默认一致性级别。常见的一致性级别有
"Strong"、"Bounded"等。
输出参数说明
返回一个列表，列表中的每个元素是一个字典，字典的键为 output_fields 中指定的字段名，值为对应字段的值。例如：
[{"id": 1, "name": "Alice"},{"id": 2, "name": "Bob"}
]
代码示例
# 定义查询条件
expr = "id > 0"# 执行查询操作，指定返回的字段
results = collection.query(expr=expr,output_fields=["id", "name"]
)# 打印查询结果
for result in results:print(f"ID: {result['id']}, Name: {result['name']}")
4. 查询（search）操作
输入参数说明
data：- 类型：列表
- 说明：查询向量列表，每个向量的维度必须与集合中向量字段的维度一致。例如
[[0.1] * 128]表示一个维度为 128 的查询向量。
anns_field：- 类型：字符串
- 说明：指定进行向量搜索的字段名。例如
"vector"表示在vector字段上进行向量搜索。
param：- 类型：字典
- 说明：搜索参数，根据不同的索引类型有不同的参数设置。例如对于
HNSW索引，可能包含"M"、"efConstruction"等参数；对于IVF索引，可能包含"nlist"、"nprobe"等参数。
limit：- 类型：整数
- 说明：指定返回的相似向量的最大数量。例如
limit = 10表示返回最相似的 10 条记录。
expr（可选）：- 类型：字符串
- 说明：查询表达式，用于在向量搜索前对数据进行过滤。例如
"id > 0"表示只在id大于 0 的记录中进行向量搜索。
output_fields（可选）：- 类型：列表
- 说明：指定需要返回的非向量字段名称列表。例如
["id", "name"]表示除了返回相似记录的距离和主键外，还返回id和name字段的值。
collection_name：- 类型：字符串
- 说明：要查询数据的集合名称。
partition_names（可选）：- 类型：列表
- 说明：指定要在哪些分区进行搜索，如果不指定则在整个集合中搜索。
consistency_level（可选）：- 类型：字符串
- 说明：查询的一致性级别，默认为集合的默认一致性级别。
输出参数说明
返回一个列表，列表中的每个元素是一个 Hits 对象，Hits 对象包含以下字段：
ids：- 类型：列表
- 说明：相似记录的主键值列表。
distances：- 类型：列表
- 说明：查询向量与相似记录的距离值列表。
entities：- 类型：列表
- 说明：每个元素是一个字典，包含
output_fields中指定的非向量字段的值。
代码示例
# 准备查询向量
query_vector = [[random.random() for _ in range(128)]]# 定义搜索参数
search_params = {"metric_type": "L2","params": {"nprobe": 10}
}# 执行搜索操作
results = collection.search(data=query_vector,anns_field="vector",param=search_params,limit=10,expr="id > 0",output_fields=["id", "name"]
)# 打印搜索结果
for hits in results:for i in range(len(hits.ids)):print(f"ID: {hits.ids[i]}, Distance: {hits.distances[i]}, Name: {hits.entities[i].get('name')}")
断开连接
# 断开与 Milvus 服务的连接
connections.disconnect("default")
通过以上详细的输入输出参数说明和代码示例，你可以在 Milvus 向量数据库中完成保存、删除、查询等操作。
