一篇文章带你学会向量数据库Milvus（一）

上一篇文章中 LLM 学习之「向量数据库」 中我们介绍了什么是向量数据库，向量数据库有那些用途，向量数据库与 LLM 的关联以及 RAG 中向量数据库的使用。本篇文章我们重点介绍 Milvus 向量数据库的知识和使用。

Milvus 简介：

向量数据库是一种专用系统，旨在通过向量嵌入和数值表示来管理和检索非结构化数据，这些数据项捕获图像、音频、视频和文本内容等数据项的本质。与使用精确搜索操作处理结构化数据的传统关系数据库不同，向量数据库在使用近似最近邻 （ANN） 算法等技术进行语义相似性搜索方面表现出色。此功能对于开发跨各个领域的应用程序（包括推荐系统、聊天机器人和多媒体内容搜索工具）以及解决 AI 和 ChatGPT 等大型语言模型带来的挑战至关重要，例如理解上下文和细微差别以及 AI 幻觉。

像 Milvus 这样的向量数据库的出现正在改变行业，它支持对大量非结构化数据进行基于内容的搜索，超越了人工生成标签的限制。使向量数据库与众不同的主要功能包括

• 可扩展性和可调性，可处理不断增长的数据量
• 多租户和数据隔离，实现高效的资源使用和隐私保护
• 适用于各种编程语言的一整套 API
• 用户友好的界面，简化了与复杂数据的交互。

这些属性确保了矢量数据库能够满足现代应用程序的需求，为探索和利用非结构化数据提供了强大的工具，这是传统数据库无法做到的。

数据库管理

与传统数据库引擎类似，您也可以在 Milvus 中创建数据库，并为某些用户分配权限来管理它们。那么这些用户就有权管理数据库中的集合。一个 Milvus 集群最多支持 64 个数据库。

创建数据库

要创建数据库，您需要首先连接到 Milvus 集群并为其准备一个名称：

ini复制代码 from pymilvus import connections, db # type: ignore
 
 _HOST = '127.0.0.1'
 _PORT = 19530
 _db_name = "default"
 
 _user = "root"
 _passwd = "Milvus"
 
 _role_demo = "public"
 _user_demo= "demo"
 _passwd_demo = "demodemo1"
 connections.connect(host=_HOST, port=_PORT, db_name=_db_name, user=_user_demo, password=_passwd_demo)

删除数据库

python复制代码 def drop_database(name: str) -> any:
     return db.drop_database(name)
         
 # 创建数据库
 def create_database(name: str) -> any:
     database = db.create_database(name)
     return database
 
 # 切换数据库
 def use_database(name: str) -> any:
     return db.using_database(name)
     
 
 # 列出数据库
 def list_databases() -> list[str]