跨境派

跨境派

跨境派,专注跨境行业新闻资讯、跨境电商知识分享!

当前位置:首页 > 卖家故事 > 开源模型应用落地-工具使用篇-向量数据库进阶(四)

开源模型应用落地-工具使用篇-向量数据库进阶(四)

时间:2024-03-27 11:16:17 来源:网络cs 作者:淼淼 栏目:卖家故事 阅读:

标签: 数据  向量  使用  模型  工具  落地 
阅读本书更多章节>>>>

一、前言

    通过学习"开源模型应用落地"系列文章,我们成功地建立了一个完整可实施的AI交付流程。现在,我们要引入向量数据库,作为我们AI服务的二级缓存。本文将继续基于上一篇“开源模型应用落地-工具使用篇-向量数据库(三)”详细介绍如何通过Java来使用Milvus Lite来为我们的AI服务部署一个前置缓存。


二、术语

2.1、向量数据库

    向量数据库是一种专门用于存储和处理高维向量数据的数据库系统。与传统的关系型数据库或文档数据库不同,向量数据库的设计目标是高效地支持向量数据的索引和相似性搜索。

    在传统数据库中,数据通常是以结构化的表格形式存储,每个记录都有预定义的字段。但是,对于包含大量高维向量的数据,如图像、音频、文本等,传统的数据库模型往往无法有效地处理。向量数据库通过引入特定的数据结构和索引算法,允许高效地存储和查询向量数据。

    向量数据库的核心概念是向量索引。它使用一种称为向量空间模型的方法,将向量映射到多维空间中的点,并利用这种映射关系构建索引结构。这样,当需要搜索相似向量时,可以通过计算向量之间的距离或相似度来快速定位相似的向量。

2.2、Milvus

    是一个开源的向量数据库引擎,专门用于存储和处理大规模高维向量数据。它提供了高效的向量索引和相似性搜索功能,使用户能够快速地进行向量数据的存储、查询和分析。

    Milvus的设计目标是为了满足现代应用中对大规模向量数据的需求,例如人脸识别、图像搜索、推荐系统等。它采用了向量空间模型和多种索引算法,包括倒排索引、近似最近邻(Approximate Nearest Neighbor,ANN)等,以支持高效的相似性搜索。

    Milvus提供了易于使用的编程接口和丰富的功能,使用户可以方便地插入、查询和分析向量数据。它支持多种数据类型的向量,包括浮点型、整型等,也支持多种距离度量方法,如欧氏距离、余弦相似度等。

    Milvus还提供了分布式部署和横向扩展的能力,可以在多台机器上构建高可用性和高性能的向量数据库集群。它支持数据的分片和负载均衡,可以处理大规模数据集和高并发查询。

2.3、Milvus Lite

    是Milvus向量数据库的一个轻量级版本。旨在提供在资源受限的环境中快速、高效地进行向量存储和相似性搜索的能力。

    与完整版的Milvus相比,它具有以下特点:

轻量级:Milvus Lite具有较小的存储占用和内存消耗,适合在资源受限的设备上部署和运行。快速部署:Milvus Lite提供了简化的部署和配置过程,使其更易于在嵌入式设备和边缘服务器上进行部署和集成。高效的向量索引和搜索:尽管是轻量级版本,Milvus Lite仍然提供了高效的向量索引和相似性搜索功能,以支持快速的向量数据查询。离线模式:Milvus Lite支持在离线模式下进行向量索引和搜索,无需实时连接到远程服务器。

2.4、Attu

    是Milvus 的高效开源管理工具。 它具有直观的图形用户界面(GUI),使您可以轻松地与数据库进行交互。

2.5、Milvus 支持的索引类型

FLAT: 是一种无索引的类型,它会对所有的向量进行暴力搜索,保证 100% 的召回率,但是查询速度较慢,适用于数据量较小或者对精度要求很高的场景IVF_FLAT: 是一种基于倒排文件(Inverted File)的索引类型,它会先对向量进行聚类,然后在每个聚类中建立 FLAT 索引,查询时只需要在最近的聚类中搜索,可以加速查询,但是需要指定聚类数量和查询数量,适用于数据量较大或者对速度要求较高的场景IVF_SQ8: 是一种基于倒排文件和量化(Quantization)的索引类型,它会先对向量进行聚类,然后在每个聚类中使用乘积量化(Product Quantization)将向量压缩为 8 位整数,查询时只需要在最近的聚类中搜索,并使用查找表(Lookup Table)进行距离计算,可以节省存储空间和加速查询,但是会损失一定的精度,适用于数据量很大或者对存储空间要求较高的场景 IVF_PQ: 是一种基于倒排文件和量化的索引类型,它会先对向量进行聚类,然后在每个聚类中使用乘积量化将向量压缩为 8 位整数,并使用倒排表(Inverted List)存储压缩后的向量,查询时只需要在最近的聚类中搜索,并使用查找表进行距离计算,可以节省存储空间和加速查询,但是会损失一定的精度,适用于数据量很大或者对存储空间要求较高的场景GPU_IVF_FLAT: 是一种基于 GPU 的倒排文件索引类型,它与 IVF_FLAT 索引相似,但是可以利用 GPU 的并行计算能力来加速查询,适用于数据量较大或者对速度要求很高的场景GPU_IVF_PQ: 是一种基于 GPU 的倒排文件和量化索引类型,它与 IVF_PQ 索引相似,但是可以利用 GPU 的并行计算能力来加速查询,适用于数据量很大或者对速度要求很高的场景 HNSW :是一种基于层次化导航图(Hierarchical Navigable Small World)的索引类型,它会构建一个多层次的图结构来表示向量之间的近邻关系,并使用启发式搜索算法来快速找到最近邻向量,可以实现高速高召回的查询,但是需要指定树的数量和搜索深度等参数,适用于数据维度较高或者对精度要求较高的场景DISKANN :是一种基于磁盘分区和近似最近邻搜索(Disk-based Partitioned Approximate Nearest Neighbor Search)的索引类型,它会将向量划分为多个磁盘分区,并在每个分区中构建 HNSW 索引,并使用多线程并行搜索算法来快速找到最近邻向量,可以实现高效地检索海量数据,但是需要指定分区数量和线程数量等参数,适用于数据量极大或者对存储空间要求较高的场景。

 三、使用方式

3.1、架构示意图

这里的Milvus Lite部署在内网,位于业务服务和AI服务的中间,作为AI服务的二级缓存(一级缓存为Redis),为AI服务减缓负载压力。

3.2、安装Milvus Lite

     1. 创建虚拟环境

         conda create --name milvus python=3.10

     2. 激活虚拟环境

        conda activate milvus

     3.  安装milvus包

        pip install milvus

3.3、编写Milvus Lite服务端代码

   此处将Milvus Lite作为 Python 模块启动

from milvus import default_serverdef start_server():    default_server.start()def stop_server():    default_server.stop()if __name__ == '__main__':    with default_server:        start_server()        input("按下任意键继续...")

3.4、启动Milvus Lite服务

    python -u 上述代码的文件名

    

    启动完成后,会监听19530端口

3.5、安装Milvus客户端管理工具

    下载地址:Releases · zilliztech/attu · GitHub

3.6、登录Milvus Lite服务端

    注意根据实际情况调整IP和端口,默认端口为19530

登录进去,就能看到如下信息:


四、业务整合

业务数据需要提前初始化到向量数据库中

4.1、导入maven依赖

<dependency>    <groupId>io.milvus</groupId>    <artifactId>milvus-sdk-java</artifactId>    <version>2.2.2</version></dependency>

PS: 我的JDK是1.8版本,若milvus版本太高,会出现兼容性问题,需要注意

maven仓库地址:Maven Repository: io.milvus » milvus-sdk-java

4.2、连接milvus服务端

 public static MilvusServiceClient connect_db(String uri) {        MilvusServiceClient milvusClient = new MilvusServiceClient(                ConnectParam.newBuilder()                        .withUri(uri)//                    .withToken("root:Milvus")                        .build()        );        return milvusClient;}

4.3、创建集合

public static Map<String, String> create_collection(MilvusServiceClient milvusClient, String collection_name, String description, int shardsNum, List<FieldType> fieldTypes) {        if (StringUtils.isEmpty(collection_name) || StringUtils.isBlank(collection_name)) {            log.warn("集合名称为空.");            return MapUtil.builder("status", "1").build();        }        if (CollUtil.isEmpty(fieldTypes)) {            log.warn("集合字段为空.");            return MapUtil.builder("status", "1").build();        }        CreateCollectionParam.Builder builder = CreateCollectionParam.newBuilder().withCollectionName(collection_name)                .withShardsNum(shardsNum);        for (FieldType fieldType : fieldTypes) {            builder.addFieldType(fieldType);        }        if (StringUtils.isNotEmpty(description) && StringUtils.isNotBlank(description)) {            builder.withDescription(description);        }        CreateCollectionParam createCollectionReq = builder.build();        R<RpcStatus> rstatus = milvusClient.createCollection(createCollectionReq);        return buildResult(rstatus);    }

创建成功后:

4.4、插入数据

public static Map<String, String>  insert_data(MilvusServiceClient milvusClient, String collection_name,List<InsertParam.Field> fields){        if (StringUtils.isEmpty(collection_name) || StringUtils.isBlank(collection_name)) {            log.warn("集合名称为空.");            return MapUtil.builder("status", "1").build();        }        if (CollUtil.isEmpty(fields)) {            log.warn("插入数据为空.");            return MapUtil.builder("status", "1").build();        }        InsertParam insertParam = InsertParam.newBuilder()                .withCollectionName(collection_name)                .withFields(fields)                .build();        R<MutationResult> mutationResultR = milvusClient.insert(insertParam);        String status = String.valueOf(mutationResultR.getStatus());        MapBuilder<String, String> mapBuilder = MapUtil.builder("status", status);        MutationResult mutationResult = mutationResultR.getData();        if(null != mutationResult){            long insert_cnt = mutationResult.getInsertCnt();            if(insert_cnt > 0){                mapBuilder.put("msg","插入成功");            }        }        milvusClient.flush(FlushParam.newBuilder()                .addCollectionName(collection_name)//                .withSyncFlush(true)                .build());        log.info("MutationResult: {}",mutationResultR);        return mapBuilder.build();    }

插入成功后(需要调用flush才能立刻看到数据):

4.5、创建索引

public static Map<String, String> create_index(MilvusServiceClient milvusClient, String collection_name, String index_column, String index_name, String params) {        if (StringUtils.isEmpty(collection_name) || StringUtils.isBlank(collection_name)) {            log.warn("集合名称为空.");            return MapUtil.builder("status", "1").build();        }        if (StringUtils.isEmpty(index_column) || StringUtils.isBlank(index_column)) {            log.warn("索引字段为空.");            return MapUtil.builder("status", "1").build();        }        if (StringUtils.isEmpty(index_name) || StringUtils.isBlank(index_name)) {            log.warn("索引名称为空.");            return MapUtil.builder("status", "1").build();        }        CreateIndexParam.Builder builder = CreateIndexParam.newBuilder()                .withIndexName(index_name)                .withCollectionName(collection_name)                .withFieldName(index_column)                .withIndexType(IndexType.IVF_FLAT)                .withMetricType(MetricType.IP)                .withSyncMode(Boolean.FALSE);        if (StringUtils.isNotEmpty(index_name) && StringUtils.isNotBlank(index_name)) {            builder = builder.withExtraParam(params);        }        R<RpcStatus> rstatus = milvusClient.createIndex(                builder.build()        );        return buildResult(rstatus);    }

metric_type说明:

IP(内积)是一种表示向量之间相似程度的度量方式,它的计算方式是将两个向量中对应位置的元素相乘后求和。IP 的值越大,表示两个向量越相似;IP 的值越小,表示两个向量越不相似。IP 适用于只需要考虑向量之间的相似度,而不需要考虑各个维度之间的权重关系的场景,例如自然语言处理、计算机视觉等领域。

L2(欧氏距离)是一种表示向量之间直线距离的度量方式,它的计算方式是将两个向量中对应位置的元素相减后平方,再将平方和求和并开平方;L2 的值越小,表示两个向量越相似;L2 的值越大,表示两个向量越不相似。L2 适用于需要考虑各个维度之间的权重关系,或者需要将向量转化为单位向量进行相似度计算的场景,例如数值计算、信号处理、图像处理、机器学习等领域。
 

创建成功后:

4.6、加载数据至缓存

public static Map<String, String> load_in_memory(MilvusServiceClient milvusClient, String collection_name) {        if (StringUtils.isEmpty(collection_name) || StringUtils.isBlank(collection_name)) {            log.warn("集合名称为空.");            return MapUtil.builder("status", "1").build();        }        R<RpcStatus> rstatus = milvusClient.loadCollection(                LoadCollectionParam.newBuilder()                        .withCollectionName(collection_name)                        .build()        );        return buildResult(rstatus);    }

4.7、根据向量检索数据

public static Map<String, String> search_data_vector(MilvusServiceClient milvusClient, String collection_name, String fieldName, List<List<Float>> search_vectors, String params, int topK, List<String> search_output_fields) {        if (StringUtils.isEmpty(collection_name) || StringUtils.isBlank(collection_name)) {            log.warn("集合名称为空.");            return MapUtil.builder("status", "1").build();        }        if (StringUtils.isEmpty(fieldName) || StringUtils.isBlank(fieldName)) {            log.warn("检索字段为空.");            return MapUtil.builder("status", "1").build();        }        if (CollUtil.isEmpty(search_vectors) || CollUtil.isEmpty(search_vectors.get(0))) {            log.warn("检索向量为空.");            return MapUtil.builder("status", "1").build();        }        if (CollUtil.isEmpty(search_output_fields)) {            log.warn("输出字段为空.");            return MapUtil.builder("status", "1").build();        }        if (topK <= 1) {            log.warn("topK少于1.");            topK = 1;        }        SearchParam.Builder builder = SearchParam.newBuilder().withCollectionName(collection_name)                .withConsistencyLevel(ConsistencyLevelEnum.STRONG)                .withMetricType(MetricType.IP)                .withOutFields(search_output_fields)                .withTopK(topK)                .withVectors(search_vectors)                .withVectorFieldName(fieldName);        if (StringUtils.isNotEmpty(params) && StringUtils.isNotBlank(params)) {            builder.withParams(params);        }        SearchParam searchParam = builder.build();        R<SearchResults> respSearch = milvusClient.search(searchParam);        String status = String.valueOf(respSearch.getStatus());        MapBuilder<String, String> mapBuilder = MapUtil.builder("status", status);        if (StringUtils.equals(status, "0")) {            SearchResults searchResults = respSearch.getData();            if (null != searchResults) {                SearchResultData searchResultData = searchResults.getResults();                if (null != searchResultData) {                    long num_queries = searchResultData.getNumQueries();//                    log.info("num_queries: {}", num_queries);                    if (num_queries > 0) {                        FieldData fieldData = searchResultData.getFieldsData(0);                        if (null != fieldData) {                            ScalarField scalarField = fieldData.getScalars();                            if (null != scalarField.getStringData()) {                                String content = scalarField.getStringData().getData(0);                                mapBuilder.put("content", content);//                                log.info("content: {}", content);                            }                        }                    }                }            }        }        return mapBuilder.build();    }

4.8、删除索引

public static Map<String, String> drop_index(MilvusServiceClient milvusClient, String collection_name, String index_name) {        if (StringUtils.isEmpty(collection_name) || StringUtils.isBlank(collection_name)) {            log.warn("集合名称为空.");            return MapUtil.builder("status", "1").build();        }        if (StringUtils.isEmpty(index_name) || StringUtils.isBlank(index_name)) {            log.warn("索引名称为空.");            return MapUtil.builder("status", "1").build();        }        R<RpcStatus> rstatus = milvusClient.dropIndex(                DropIndexParam.newBuilder()                        .withCollectionName(collection_name)                        .withIndexName(index_name)                        .build()        );        return buildResult(rstatus);    }

4.9、删除集合

 public static Map<String, String> drop_collection(MilvusServiceClient milvusClient, String collection_name) {        R<RpcStatus> rstatus = milvusClient.dropCollection(                DropCollectionParam.newBuilder()                        .withCollectionName(collection_name)                        .build()        );        return buildResult(rstatus);    }

4.10、释放缓存

public static Map<String, String> unload_in_memory(MilvusServiceClient milvusClient, String collection_name) {        if (StringUtils.isEmpty(collection_name) || StringUtils.isBlank(collection_name)) {            log.warn("集合名称为空.");            return MapUtil.builder("status", "1").build();        }        R<RpcStatus> rstatus = milvusClient.releaseCollection(                ReleaseCollectionParam.newBuilder()                        .withCollectionName(collection_name)                        .build());        return buildResult(rstatus);    }


五、附带说明

5.1、高维向量表示的优劣

优势:

表示能力增强:高维向量可以提供更丰富的信息表示能力,能够捕捉更多的特征和关系,从而提高模型的表达能力。解决冗余信息:在高维空间中,冗余特征可能会被稀疏化,使得模型更容易识别和利用有效的特征。处理复杂问题:某些复杂问题可能需要更高维度的向量来表示,以便更好地捕捉问题的复杂性和多样性。

劣势

维度灾难:高维度数据可能导致维度灾难问题,即数据稀疏性增加,对于有限的训练数据而言,模型的泛化能力可能会受到影响。计算复杂性增加:高维度数据需要更多的计算资源和时间来处理和分析,可能会增加计算的复杂性和开销。数据稀疏性:在高维空间中,数据点之间的距离变得更远,可能会导致数据稀疏性增加,从而影响模型的准确性和可靠性。

5.2、插入数据成功但无法检索

     需要调用flush

     milvusClient.flush(FlushParam.newBuilder() .addCollectionName(collection_name) .build());

5.3、如何批量插入数据

     集合中放入多条数据即可

5.4、受限于篇幅过长,如何提升向量检索精度、如何获取文本向量及如何对向量进行预处理(向量长度补全、归一化、标准化)将另文讲解

5.5、完整代码

package com.zwzt.communication.netty.test;import cn.hutool.core.collection.CollUtil;import cn.hutool.core.map.MapBuilder;import cn.hutool.core.map.MapUtil;import cn.hutool.core.util.ObjectUtil;import io.milvus.client.MilvusServiceClient;import io.milvus.common.clientenum.ConsistencyLevelEnum;import io.milvus.grpc.*;import io.milvus.param.*;import io.milvus.param.collection.*;import io.milvus.param.dml.InsertParam;import io.milvus.param.dml.SearchParam;import io.milvus.param.index.CreateIndexParam;import io.milvus.param.index.DropIndexParam;import lombok.extern.slf4j.Slf4j;import org.apache.commons.lang3.StringUtils;import java.util.ArrayList;import java.util.Arrays;import java.util.List;import java.util.Map;@Slf4jpublic class MilvusUtils {    public static MilvusServiceClient connect_db(String uri) {        MilvusServiceClient milvusClient = new MilvusServiceClient(                ConnectParam.newBuilder()                        .withUri(uri)//                    .withToken("root:Milvus")                        .build()        );        return milvusClient;    }    public static Map<String, String> create_collection(MilvusServiceClient milvusClient, String collection_name, String description, int shardsNum, List<FieldType> fieldTypes) {        if (StringUtils.isEmpty(collection_name) || StringUtils.isBlank(collection_name)) {            log.warn("集合名称为空.");            return MapUtil.builder("status", "1").build();        }        if (CollUtil.isEmpty(fieldTypes)) {            log.warn("集合字段为空.");            return MapUtil.builder("status", "1").build();        }        CreateCollectionParam.Builder builder = CreateCollectionParam.newBuilder().withCollectionName(collection_name)                .withShardsNum(shardsNum);        for (FieldType fieldType : fieldTypes) {            builder.addFieldType(fieldType);        }        if (StringUtils.isNotEmpty(description) && StringUtils.isNotBlank(description)) {            builder.withDescription(description);        }        CreateCollectionParam createCollectionReq = builder.build();        R<RpcStatus> rstatus = milvusClient.createCollection(createCollectionReq);        return buildResult(rstatus);    }    public static Map<String, String> drop_collection(MilvusServiceClient milvusClient, String collection_name) {        R<RpcStatus> rstatus = milvusClient.dropCollection(                DropCollectionParam.newBuilder()                        .withCollectionName(collection_name)                        .build()        );        return buildResult(rstatus);    }    public static Map<String, String> create_index(MilvusServiceClient milvusClient, String collection_name, String index_column, String index_name, String params) {        if (StringUtils.isEmpty(collection_name) || StringUtils.isBlank(collection_name)) {            log.warn("集合名称为空.");            return MapUtil.builder("status", "1").build();        }        if (StringUtils.isEmpty(index_column) || StringUtils.isBlank(index_column)) {            log.warn("索引字段为空.");            return MapUtil.builder("status", "1").build();        }        if (StringUtils.isEmpty(index_name) || StringUtils.isBlank(index_name)) {            log.warn("索引名称为空.");            return MapUtil.builder("status", "1").build();        }        CreateIndexParam.Builder builder = CreateIndexParam.newBuilder()                .withIndexName(index_name)                .withCollectionName(collection_name)                .withFieldName(index_column)                .withIndexType(IndexType.IVF_FLAT)                .withMetricType(MetricType.IP)                .withSyncMode(Boolean.FALSE);        if (StringUtils.isNotEmpty(index_name) && StringUtils.isNotBlank(index_name)) {            builder = builder.withExtraParam(params);        }        R<RpcStatus> rstatus = milvusClient.createIndex(                builder.build()        );        return buildResult(rstatus);    }    public static Map<String, String> drop_index(MilvusServiceClient milvusClient, String collection_name, String index_name) {        if (StringUtils.isEmpty(collection_name) || StringUtils.isBlank(collection_name)) {            log.warn("集合名称为空.");            return MapUtil.builder("status", "1").build();        }        if (StringUtils.isEmpty(index_name) || StringUtils.isBlank(index_name)) {            log.warn("索引名称为空.");            return MapUtil.builder("status", "1").build();        }        R<RpcStatus> rstatus = milvusClient.dropIndex(                DropIndexParam.newBuilder()                        .withCollectionName(collection_name)                        .withIndexName(index_name)                        .build()        );        return buildResult(rstatus);    }    public static Map<String, String> load_in_memory(MilvusServiceClient milvusClient, String collection_name) {        if (StringUtils.isEmpty(collection_name) || StringUtils.isBlank(collection_name)) {            log.warn("集合名称为空.");            return MapUtil.builder("status", "1").build();        }        R<RpcStatus> rstatus = milvusClient.loadCollection(                LoadCollectionParam.newBuilder()                        .withCollectionName(collection_name)                        .build()        );        return buildResult(rstatus);    }    public static Map<String, String> unload_in_memory(MilvusServiceClient milvusClient, String collection_name) {        if (StringUtils.isEmpty(collection_name) || StringUtils.isBlank(collection_name)) {            log.warn("集合名称为空.");            return MapUtil.builder("status", "1").build();        }        R<RpcStatus> rstatus = milvusClient.releaseCollection(                ReleaseCollectionParam.newBuilder()                        .withCollectionName(collection_name)                        .build());        return buildResult(rstatus);    }    public static void disconnection_db(MilvusServiceClient milvusServiceClient) {        if (null != milvusServiceClient) {            milvusServiceClient.close();            milvusServiceClient = null;        }    }    public static Map<String, String> search_data_vector(MilvusServiceClient milvusClient, String collection_name, String fieldName, List<List<Float>> search_vectors, String params, int topK, List<String> search_output_fields) {        if (StringUtils.isEmpty(collection_name) || StringUtils.isBlank(collection_name)) {            log.warn("集合名称为空.");            return MapUtil.builder("status", "1").build();        }        if (StringUtils.isEmpty(fieldName) || StringUtils.isBlank(fieldName)) {            log.warn("检索字段为空.");            return MapUtil.builder("status", "1").build();        }        if (CollUtil.isEmpty(search_vectors) || CollUtil.isEmpty(search_vectors.get(0))) {            log.warn("检索向量为空.");            return MapUtil.builder("status", "1").build();        }        if (CollUtil.isEmpty(search_output_fields)) {            log.warn("输出字段为空.");            return MapUtil.builder("status", "1").build();        }        if (topK <= 1) {            log.warn("topK少于1.");            topK = 1;        }        SearchParam.Builder builder = SearchParam.newBuilder().withCollectionName(collection_name)                .withConsistencyLevel(ConsistencyLevelEnum.STRONG)                .withMetricType(MetricType.IP)                .withOutFields(search_output_fields)                .withTopK(topK)                .withVectors(search_vectors)                .withVectorFieldName(fieldName);        if (StringUtils.isNotEmpty(params) && StringUtils.isNotBlank(params)) {            builder.withParams(params);        }        SearchParam searchParam = builder.build();        R<SearchResults> respSearch = milvusClient.search(searchParam);        String status = String.valueOf(respSearch.getStatus());        MapBuilder<String, String> mapBuilder = MapUtil.builder("status", status);        if (StringUtils.equals(status, "0")) {            SearchResults searchResults = respSearch.getData();            if (null != searchResults) {                SearchResultData searchResultData = searchResults.getResults();                if (null != searchResultData) {                    long num_queries = searchResultData.getNumQueries();//                    log.info("num_queries: {}", num_queries);                    if (num_queries > 0) {                        FieldData fieldData = searchResultData.getFieldsData(0);                        if (null != fieldData) {                            ScalarField scalarField = fieldData.getScalars();                            if (null != scalarField.getStringData()) {                                String content = scalarField.getStringData().getData(0);                                mapBuilder.put("content", content);//                                log.info("content: {}", content);                            }                        }                    }                }            }        }        return mapBuilder.build();    }    public static Map<String, String>  insert_data(MilvusServiceClient milvusClient, String collection_name,List<InsertParam.Field> fields){        if (StringUtils.isEmpty(collection_name) || StringUtils.isBlank(collection_name)) {            log.warn("集合名称为空.");            return MapUtil.builder("status", "1").build();        }        if (CollUtil.isEmpty(fields)) {            log.warn("插入数据为空.");            return MapUtil.builder("status", "1").build();        }        InsertParam insertParam = InsertParam.newBuilder()                .withCollectionName(collection_name)                .withFields(fields)                .build();        R<MutationResult> mutationResultR = milvusClient.insert(insertParam);        String status = String.valueOf(mutationResultR.getStatus());        MapBuilder<String, String> mapBuilder = MapUtil.builder("status", status);        MutationResult mutationResult = mutationResultR.getData();        if(null != mutationResult){            long insert_cnt = mutationResult.getInsertCnt();            if(insert_cnt > 0){                mapBuilder.put("msg","插入成功");            }        }        milvusClient.flush(FlushParam.newBuilder()                .addCollectionName(collection_name)//                .withSyncFlush(true)                .build());        log.info("MutationResult: {}",mutationResultR);        return mapBuilder.build();    }    private final static Map<String, String> buildResult(R<RpcStatus> rstatus) {//        log.info("status: {}", rstatus);        String status = String.valueOf(rstatus.getStatus());        MapBuilder<String, String> mapBuilder = MapUtil.builder("status", status);        RpcStatus data = rstatus.getData();        if (ObjectUtil.isNotEmpty(data)) {            String msg = data.getMsg();            if (StringUtils.isNotEmpty(msg) && StringUtils.isNotBlank(msg)) {                mapBuilder.put("msg", msg);            }        }        return mapBuilder.build();    }    public static void main(String[] args) {        String uri = "http://192.168.10.56:19530";        MilvusServiceClient milvusServiceClient = connect_db(uri);        String collection_name = "tb_test11";//        创建集合        FieldType fieldType1 = FieldType.newBuilder()                .withName("id")                .withDataType(DataType.Int64)                .withPrimaryKey(true)                .withAutoID(true)                .build();        FieldType fieldType2 = FieldType.newBuilder()                .withName("keyword")                .withDataType(DataType.FloatVector)                .withDimension(256)                .build();        FieldType fieldType3 = FieldType.newBuilder()                .withName("content")                .withDataType(DataType.VarChar)                .withMaxLength(4096)                .build();       List<FieldType> fieldTypes= CollUtil.list(Boolean.FALSE,fieldType1,fieldType2,fieldType3);        String description = "the table of tb_test11";        int shardsNum = 1;        Map<String,String> result = create_collection(milvusServiceClient, collection_name, description, shardsNum, fieldTypes);        log.info("result: {}",result);//      插入数据//        List<Float> vector = Arrays.asList(0.79558784f, 0.8433239f, -0.8132379f, -0.60343f, 0.8141689f, 0.49214464f, -1.3558795f, -1.5641332f, -1.5642508f, -1.5642508f, 0.90215206f, 0.79874355f, -0.5327561f, 0.8612926f, 0.84299415f, 0.79867285f, 0.8488582f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f);//        String content = "标题:青春之光青春是一首歌,悠扬而激昂;青春是一幅画,斑斓而生动;青春是一部电影,感人至深。而在我心中,青春更是那个在奥运赛场上奔跑的刘翔。记得那是2004年的雅典奥运会,刘翔以12.91秒的成绩打破了世界纪录,成为中国田径历史上第一位获得奥运金牌的运动员。那一刻,我被他的坚韧和毅力深深打动,也深深地感受到了青春的力量。刘翔的青春,充满了挑战和奋斗。他曾经因为伤病困扰,一度想要放弃,但他没有。他知道,只有坚持下去,才能实现自己的梦想。于是,他在痛苦中挣扎,用汗水和泪水浇灌着自己的青春。终于,他成功了,他站在了奥运的最高领奖台上,成为了全中国的骄傲。刘翔的青春,充满了激情和活力。他是中国田径的一颗璀璨明星,他的每一次起跑都充满力量,他的每一次跨栏都充满速度。他的青春,就像一道闪电,照亮了整个赛场,也照亮了我们的心灵。刘翔的青春,充满了希望和梦想。他的梦想是成为最好的自己,他的希望是为中国赢得更多的荣誉。他的青春,就像一盏明灯,指引着他前进的方向,也激励着我们去追求自己的梦想。青春,就是要有梦想,有希望,有勇气去追逐。刘翔的青春,就是这样,充满了梦想、希望和勇气。他的青春,是我们所有人的青春,是我们所有人追求梦想的动力。青春,是一场无悔的旅程,无论前方有多少困难和挫折,只要我们有梦想,有希望,有勇气,就一定能够到达我们的目的地。让我们一起,像刘翔一样,用自己的青春,去创造属于我们自己的辉煌!";////        List<String> contents =  CollUtil.list(Boolean.FALSE,content);//        List<List<Float>> vectors = new ArrayList<>();//        vectors.add(vector);////        List<InsertParam.Field> fields = new ArrayList<>();//        fields.add(new InsertParam.Field("keyword", vectors));//        fields.add(new InsertParam.Field("content", contents));////        Map<String,String> result = insert_data(milvusServiceClient,collection_name,fields);//        log.info("result: {}",result);//        创建索引//        String index_column = "keyword";//        String index_name = "idx_keyword";//        String params = "{\"nlist\":65536}";//        Map<String, String> result = create_index(milvusServiceClient, collection_name, index_column, index_name, params);//        log.info("result: {}", result);//      删除索引//        Map<String, String> result = drop_index(milvusServiceClient, collection_name,index_name);//        log.info("result: {}", result);//        装载至内存//        Map<String,String> result = load_in_memory(milvusServiceClient, collection_name);//        log.info("result: {}",result);//         向量查询//        List<String> search_output_fields = Arrays.asList("content");//        List<List<Float>> search_vectors = Arrays.asList(Arrays.asList(0.79558784f, 0.8433239f, -0.8132379f, -0.60343f, 0.8141689f, 0.49214464f, -1.3558795f, -1.5641332f, -1.5642508f, -1.5642508f, 0.90215206f, 0.79874355f, -0.5327561f, 0.8612926f, 0.84299415f, 0.79867285f, 0.8488582f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f));//        String fieldName = "keyword";//        int topK = 1;////        Map<String, String> result = search_data_vector(milvusServiceClient, collection_name, fieldName, search_vectors, null, topK, search_output_fields);//        log.info("result: {}", result);//        删除集合//        Map<String, String> result = drop_collection(milvusServiceClient, collection_name);//        log.info("result: {}", result);        disconnection_db(milvusServiceClient);    }}

阅读本书更多章节>>>>

本文链接:https://www.kjpai.cn/gushi/2024-03-27/149369.html,文章来源:网络cs,作者:淼淼,版权归作者所有,如需转载请注明来源和作者,否则将追究法律责任!

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容,一经查实,本站将立刻删除。

文章评论