查询向量

通过本章节文档，你将了解如何在 Milvus 中进行相似性搜索。

1. 创建搜索参数：

>>> search_params = {"metric_type": "L2", "params": {"nprobe": 10}}

const searchParams = {
  anns_field: "example_field",
  topk: "4",
  metric_type: "L2",
  params: JSON.stringify({ nprobe: 10 }),
};

2. 在查询向量前，将集合加载到内存中：

>>> collection.load()

await milvusClient.collectionManager.loadCollection({
  collection_name: COLLECTION_NAME,
});

3. 创建随机向量作为 query_records 并调用 search() 进行搜索。

Milvus 将返回搜索结果的 ID 和距离：

>>> results = collection.search(vectors[:5], field_name, param=search_params, limit=10, expr=None)
>>> results[0].ids
[424363819726212428, 424363819726212436, ...]
>>> results[0].distances
[0.0, 1.0862197875976562, 1.1029295921325684, ...]

await milvusClient.dataManager.search({
  collection_name: COLLECTION_NAME,
  // partition_names: [],
  expr: "",
  vectors: [[1, 2, 3, 4, 5, 6, 7, 8]],
  search_params: searchParams,
  vector_type: 100, // Float vector -> 100
});

如果要在指定分区或者指定列查询，则可以在调用 search() 时设置partition_names 和 fields 参数

>>> collection.search(vectors[:5], field_name, param=search_params, limit=10, expr=None, partition_names=[partition_name])

await milvusClient.dataManager.search({
  collection_name: COLLECTION_NAME,
  partition_names: [partition_name],
  expr: "",
  vectors: [[1, 2, 3, 4, 5, 6, 7, 8]],
  search_params: searchParams,
  vector_type: 100, // Float vector -> 100
});

4. 查询完成后，可以调用 release_collection() 将 Milvus 中加载的 collection 从内存中释放，以减少内存消耗。查询其他 collection：

>>> collection.release()

await milvusClient.collectionManager.releaseCollection({
  collection_name: COLLECTION_NAME,
});