GPU_CAGRA

فهرس GPU_CAGRA هو فهرس قائم على الرسم البياني مُحسَّن لوحدات معالجة الرسومات. يمكن أن يكون استخدام وحدات معالجة الرسومات الاستدلالية لتشغيل إصدار وحدة معالجة الرسومات Milvus GPU أكثر فعالية من حيث التكلفة مقارنةً باستخدام وحدات معالجة الرسومات باهظة الثمن من فئة التدريب.

بناء الفهرس

لإنشاء فهرس GPU_CAGRA على حقل متجه في Milvus، استخدم طريقة add_index() ، مع تحديد index_type و metric_type ومعلمات إضافية للفهرس.

from pymilvus import MilvusClient

# Prepare index building params
index_params = MilvusClient.prepare_index_params()

index_params.add_index(
    field_name="your_vector_field_name", # Name of the vector field to be indexed
    index_type="GPU_CAGRA", # Type of the index to create
    index_name="vector_index", # Name of the index to create
    metric_type="L2", # Metric type used to measure similarity
    params={
        "intermediate_graph_degree": 64, # Affects recall and build time by determining the graph’s degree before pruning
        "graph_degree": 32, # Affets search performance and recall by setting the graph’s degree after pruning
        "build_algo": "IVF_PQ", # Selects the graph generation algorithm before pruning
        "cache_dataset_on_device": "true", # Decides whether to cache the original dataset in GPU memory
        "adapt_for_cpu": "false", # Decides whether to use GPU for index-building and CPU for search
    } # Index building params
)

في هذا التكوين

• index_type: نوع الفهرس المراد إنشاؤه. في هذا المثال، اضبط القيمة على GPU_CAGRA.

• metric_type: الطريقة المستخدمة لحساب المسافة بين المتجهات. للحصول على التفاصيل، راجع أنواع المقاييس.

• params: خيارات التكوين الإضافية لبناء الفهرس. لمعرفة المزيد من معلمات البناء المتوفرة للفهرس GPU_CAGRA ، راجع بارامز بناء الفهرس.

بمجرد تكوين معلمات الفهرس، يمكنك إنشاء الفهرس باستخدام الأسلوب create_index() مباشرةً أو تمرير بارامترات الفهرس في الأسلوب create_collection. لمزيد من التفاصيل، راجع إنشاء مجموعة.

البحث في الفهرس

بمجرد إنشاء الفهرس وإدراج الكيانات، يمكنك إجراء عمليات بحث عن التشابه على الفهرس.

search_params = {
    "params": {
        "itopk_size": 16, # Determines the size of intermediate results kept during the search
        "search_width": 8, # Specifies the number of entry points into the CAGRA graph during the search
    }
}

res = MilvusClient.search(
    collection_name="your_collection_name", # Collection name
    anns_field="vector_field", # Vector field name
    data=[[0.1, 0.2, 0.3, 0.4, 0.5]],  # Query vector
    limit=3,  # TopK results to return
    search_params=search_params
)

في هذا التكوين

• params: خيارات التكوين الإضافية للبحث على الفهرس. لمعرفة المزيد من معلمات البحث المتوفرة للفهرس GPU_CAGRA ، راجع بارامترات البحث الخاصة بالفهرس.

تمكين البحث بوحدة المعالجة المركزية في وقت التحميلCompatible with Milvus 2.6.4+

لتمكين البحث في وحدة المعالجة المركزية ديناميكيًا في وقت التحميل، قم بتحرير التكوين التالي في milvus.yaml:

# milvus.yaml
knowhere:
  GPU_CAGRA:
    load: 
      adapt_for_cpu: true

السلوك

• عندما يتم تعيين load.adapt_for_cpu على true ، يقوم Milvus بتحويل فهرس GPU_CAGRA إلى تنسيق قابل للتنفيذ في وحدة المعالجة المركزية (مثل HNSW) أثناء التحميل.

• يتم تنفيذ عمليات البحث اللاحقة على وحدة المعالجة المركزية، حتى لو تم إنشاء الفهرس في الأصل لوحدة معالجة الرسومات.

• في حالة الحذف أو الخطأ، يبقى الفهرس على وحدة معالجة الرسومات ويتم تنفيذ عمليات البحث على وحدة معالجة الرسومات.

بارامترات الفهرس

يقدم هذا القسم نظرة عامة على المعلمات المستخدمة لبناء الفهرس وإجراء عمليات البحث على الفهرس.

معلمات بناء الفهرس

يسرد الجدول التالي المعلمات التي يمكن تكوينها في params عند إنشاء فهرس.

بارامترات البحث الخاصة بالفهرس

يسرد الجدول التالي المعلمات التي يمكن تكوينها في search_params.params عند البحث في الفهرس.