中文文档
使用了docker compose 安装 standalone 版本，即单机docker。
pymilvus 一直在升级，一些函数有变化，中文文档有落后，建议看英文文档。
安装
#下载docker-compose.yml 文件
wget https://github.com/milvus-io/milvus/releases/download/v2.4.9/milvus-standalone-docker-compose.yml -O docker-compose.yml# minio端口如果不用可以注释掉#ports:# - "9001:9001"# - "9000:9000"#standalone 也就是milvus的映射端口，主机端口：容器内端口
#可以修改主机端口，防止冲突，容器内端口不可修改。ports:- "29530:19530"- "29091:9091"# 启动 Milvus
sudo docker compose up -d#关闭Milvus
sudo docker compose down
如果 docker compose 不能work，查看一下docker 版本，使用 docker-compose 也许可以。
设置权限 通过用户名和密码进行身份验证
在 配置 Milvus 时，将 milvus.yaml 中的 common.security.authorizationEnabled 设为 true 以启用身份验证
由于使用了docker，milvus.yaml文件在docker容器里。
#进入容器
sudo docker exec -it Milvus容器ID /bin/bash
#修改 milvus.yaml
sed -i 's/authorizationEnabled: false/authorizationEnabled: true/g' configs/milvus.yaml
#退出容器，而不关闭容器
依次按 ctrl+p 和 ctrl+q
默认用户名：root
默认密码： Milvus
from pymilvus import MilvusClient
#连接
client = MilvusClient(uri='http://localhost:29530', # replace with your own Milvus server addresstoken="root:Milvus"
)
#修改密码
client.update_password(user_name="root",old_password="Milvus",new_password="P@ssw0rd123"
)
#创建新用户
client.create_user(user_name="user_1",password="P@ssw0rd",
)
client.describe_user("user_1")基本使用
from pymilvus import MilvusClient,DataTypeclient = MilvusClient(uri="http://localhost:29530",token="用户名:密码")
coll_name = "test_zhishi"collecitons = client.list_collections()
print(collections)
创建collection
在我使用的这个版本的Milvus docker中，id是必须是有的，即使你不定义；而且 auto_id=False这个参数，设置为True也无效，所以插入数据的时候必须插入id，不然就会报错。 可以通过describe_collection查看schema。
if coll_name not in collections:schema = MilvusClient.create_schema(auto_id=False,enable_dynamic_field=True,)schema.add_field(field_name="id", datatype=DataType.INT64, is_primary=True)schema.add_field(field_name="vector", datatype=DataType.FLOAT_VECTOR, dim=1024)schema.add_field(field_name="text", datatype=DataType.VARCHAR)schema.add_field(field_name="subject", datatype=DataType.VARCHAR)index_params = client.prepare_index_params(field_name="vector",index_type="AUTOINDEX",metric_type="IP")client.create_collection(collection_name="test_zhishi",schema=schema,dimension=1024,index_params=index_params)
删除collection
status = client.drop_collection(collection_name=coll_name)
print(status)
查看collection
schema = client.describe_collection(collection_name=coll_name)
print(schema)
插入数据
data =[]
for i,doc in enumerate(docs[1:]):vector = predict_embedding(doc)data.append({'id':i,"vector":vector[0],"text":doc,"subject":"zhishi"})res = client.insert(collection_name=coll_name,data=data)
print(res)
查询数据
query = ["明天天气怎么样"]
query_embedding = predict_embedding(query)
res = client.search(collection_name=coll_name,data=query_embedding,limit=1,output_fields=['text','subject'])
print(res)
更新数据
res = client.upsert( collection_name=coll_name, data=data)
print(res)
删除数据
res = client.delete( collection_name=coll_name, filter="id in [4,5,6]")
print(res)
