Milvus Lite 使用教程

最新推荐文章于 2025-04-29 14:28:09 发布

原创最新推荐文章于 2025-04-29 14:28:09 发布 · 626 阅读

5 ·

CC 4.0 BY-SA版权

Milvus Lite 使用教程

milvus-lite 项目地址: https://gitcode.com/gh_mirrors/em/embd-milvus

1. 项目介绍

Milvus Lite 是 Milvus 的高性能向量数据库的轻量级版本。它旨在为 AI 应用提供向量相似性搜索功能，适用于 Jupyter Notebook、Google Colab、笔记本电脑和边缘设备等环境。Milvus Lite 可以轻松集成到 Python 应用中，提供与 Milvus 独立版和分布式版相同的 API，支持向量数据的持久化和管理、向量 CRUD 操作、稀疏和密集向量搜索、元数据过滤、多向量和混合搜索等功能。

2. 项目快速启动

安装

首先，确保你已经安装了 Python 环境。然后，使用 pip 安装 Milvus Lite：

pip install -U pymilvus

快速启动示例

以下是一个简单的示例，展示如何在 Python 中使用 Milvus Lite 进行向量搜索：

from pymilvus import MilvusClient
import numpy as np

# 创建 Milvus Lite 客户端
client = MilvusClient("milvus_demo.db")

# 创建一个集合
client.create_collection(
    collection_name="demo_collection",
    dimension=384  # 向量的维度
)

# 示例文本
docs = [
    "人工智能作为一门学术学科成立于1956年",
    "艾伦·图灵是第一个在人工智能领域进行大量研究的人",
    "图灵出生于伦敦的Maida Vale，在英格兰南部长大"
]

# 生成随机向量（384维）
vectors = [[np.random.uniform(-1, 1) for _ in range(384)] for _ in range(len(docs))]

# 插入数据
data = [
    {"id": i, "vector": vectors[i], "text": docs[i], "subject": "history"}
    for i in range(len(vectors))
]

client.insert(
    collection_name="demo_collection",
    data=data
)

# 搜索向量
res = client.search(
    collection_name="demo_collection",
    data=[vectors[0]],
    filter="subject == 'history'",
    limit=2,
    output_fields=["text", "subject"]
)

print(res)