pymilvus创建FLAT向量索引

原创

melodyshu

发布于 2024-04-03 15:24:00

18100

代码可运行

文章被收录于专栏：milvus数据库milvus数据库

运行总次数：0

代码可运行

索引简介

索引的作用是加速大型数据集上的查询。

目前，向量字段仅支持一种索引类型，即只能创建一个索引。

milvus支持的向量索引类型大部分使用近似最近邻搜索算法(ANNS,approximate nearest neighbors search) 。ANNS 的核心思想不再局限于返回最准确的结果，而是仅搜索目标的邻居。 ANNS 通过在可接受的范围内牺牲准确性来提高检索效率。

FLAT索引

暴力搜索。召回率100%。

对于需要完美精度并依赖于相对较小（百万级）数据集的向量相似性搜索应用程序，FLAT 索引是一个不错的选择。 FLAT不压缩向量，是唯一能保证精确搜索结果的索引。

FLAT 是准确的，因为它采用穷尽的搜索方法，这意味着对于每个查询，目标输入都会与数据集中的每组向量进行比较。这使得 FLAT 成为我们列表中最慢的索引，并且不太适合查询大量向量数据。 Milvus 中 FLAT 索引不需要任何参数，使用它不需要数据训练。

创建其它索引需要耗费一定时间，FLAT是瞬间完成。

使用attu创建FLAT索引

使用pymilvus创建FLAT索引

from pymilvus import (
    connections,
    Collection,
)

collection_name = "hello_milvus"
host = "192.168.230.71"
port = 19530
username = ""
password = ""

print("start connecting to Milvus")
connections.connect("default", host=host, port=port,user=username,password=password)

coll = Collection(collection_name, consistency_level="Bounded",shards_num=1)

print("Start creating index")
index_params = {
    "index_type": "FLAT",
    "metric_type": "L2",
    "params": {}
}

coll.create_index(
  field_name="embeddings",
  index_params=index_params,
  index_name="idx_em"
)

print("done")

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

向量数据库

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

向量数据库

登录后参与评论

0 条评论

热度