فهرسة حقول StructArray
قم بإنشاء فهارس على الحقول الفرعية لـ StructArray قبل تشغيل البحث المتجه أو تسريع التصفية القياسية. بالنسبة لحقل StructArray، يكون هدف الفهرس هو مسار الحقل الفرعي، مثل chunks[emb_list_vector] أو chunks[emb] أو chunks[section].
تستخدم هذه الصفحة مجموعة tech_articles من "إنشاء حقل StructArray". يحتوي حقل StructArray chunks على حقول فرعية قياسية للتصفية وحقول فرعية متجهة للبحث.
قبل البدء
تأكد من أن مخطط المجموعة يحتوي بالفعل على حقل StructArray chunks. أعد استخدام العميل المُهيأ من "إنشاء حقل StructArray " للغة التي اخترتها (cli و ctx للغة Go، و client لمجموعات أدوات التطوير البرمجية الأخرى). يمكنك إنشاء فهارس قبل إدراج البيانات.
| مسار الحقل الفرعي | النوع | الغرض من الفهرس |
|---|---|---|
chunks[emb_list_vector] | FLOAT_VECTOR | البحث في EmbeddingList باستخدام مقاييس MAX_SIM*. |
chunks[emb] | FLOAT_VECTOR | البحث على مستوى العنصر باستخدام مقاييس متجهة عادية. |
chunks[section] | VARCHAR | التصفية التصنيفية. |
chunks[quality_score] | FLOAT | التصفية الرقمية والمسندات على غرار النطاق. |
chunks[has_code] | BOOL | التصفية المنطقية. |
لا يقبل الحقل المتجه أو الحقل الفرعي المتجه سوى فهرس واحد. إذا كنت بحاجة إلى كل من البحث في EmbeddingList والبحث على مستوى العناصر، فأنشئ حقلين فرعيين متجهين منفصلين وقم بفهرستهما بشكل منفصل. في هذه الصفحة، يتم فهرسة chunks[emb_list_vector] للبحث في EmbeddingList، ويتم فهرسة chunks[emb] للبحث على مستوى العناصر.
اختر الفهارس
استخدم وضع البحث لاختيار عائلة المقاييس المتجهة.
| هدف البحث أو التصفية | المسار المستهدف | ما يجب اختياره |
|---|---|---|
| البحث في قائمة التضمين | chunks[emb_list_vector] | مجموعة المقاييس " MAX_SIM* ". |
| البحث المتجهي على مستوى العنصر | chunks[emb] | عائلة المقاييس المتجهة العادية، مثل COSINE أو IP أو L2. |
| التصفية حسب السلسلة أو الفئة | chunks[section] | فهرس قياسي يدعمه الهدف الخاص بك. |
| التصفية حسب النطاق الرقمي | chunks[quality_score]، chunks[page] | مؤشر قياسي يدعمه الهدف الخاص بك. |
| التصفية حسب القيمة المنطقية | chunks[has_code] | فهرس قياسي يدعمه الهدف الخاص بك. |
يعامل البحث في EmbeddingList المتجهات الموجودة في حقل فرعي من نوع StructArray كقائمة تضمين ويُرجع نتائج على مستوى الكيان. أما البحث على مستوى العنصر فيبحث في كل عنصر من عناصر Struct بشكل مستقل ويمكنه إرجاع إزاحة العنصر المطابق.
إنشاء فهارس متجهة
يُنشئ المثال التالي فهرسين متجهيين. يستخدم الفهرس الأول مقياس « MAX_SIM* » للبحث في قائمة التضمين (EmbeddingList). ويستخدم الفهرس الثاني مقياسًا متجهيًا عاديًا للبحث على مستوى العنصر.
index_params = client.prepare_index_params()
# Index for EmbeddingList search.
index_params.add_index(
field_name="chunks[emb_list_vector]",
index_name="chunks_emb_list_max_sim",
index_type="HNSW",
metric_type="MAX_SIM_COSINE",
params={
"M": 16,
"efConstruction": 200,
},
)
# Index for element-level search.
index_params.add_index(
field_name="chunks[emb]",
index_name="chunks_emb_cosine",
index_type="HNSW",
metric_type="COSINE",
params={
"M": 16,
"efConstruction": 200,
},
)
client.create_index(
collection_name="tech_articles",
index_params=index_params,
)
import io.milvus.v2.common.IndexParam;
import io.milvus.v2.service.index.request.CreateIndexReq;
import java.util.Arrays;
import java.util.Map;
client.createIndex(CreateIndexReq.builder()
.collectionName("tech_articles")
.indexParams(Arrays.asList(
IndexParam.builder().fieldName("chunks[emb_list_vector]")
.indexType(IndexParam.IndexType.HNSW)
.metricType(IndexParam.MetricType.MAX_SIM_COSINE)
.indexName("chunks_emb_list_max_sim")
.extraParams(Map.of("M", 16, "efConstruction", 200))
.build(),
IndexParam.builder().fieldName("chunks[emb]")
.indexType(IndexParam.IndexType.HNSW)
.metricType(IndexParam.MetricType.COSINE)
.indexName("chunks_emb_cosine")
.extraParams(Map.of("M", 16, "efConstruction", 200))
.build()))
.build());
import (
"fmt"
"github.com/milvus-io/milvus/client/v3/entity"
"github.com/milvus-io/milvus/client/v3/index"
"github.com/milvus-io/milvus/client/v3/milvusclient"
)
_, err = cli.CreateIndex(ctx, milvusclient.NewCreateIndexOption("tech_articles", "chunks[emb_list_vector]", index.NewHNSWIndex(entity.MaxSimCosine, 16, 200)).WithIndexName("chunks_emb_list_max_sim"))
if err != nil {
fmt.Println(err.Error())
return
}
_, err = cli.CreateIndex(ctx, milvusclient.NewCreateIndexOption("tech_articles", "chunks[emb]", index.NewHNSWIndex(entity.COSINE, 16, 200)).WithIndexName("chunks_emb_cosine"))
if err != nil {
fmt.Println(err.Error())
return
}
use milvus::v2::prelude::*;
let request = CreateIndexRequest::builder()
.collection_name("tech_articles")
.index_params(vec![
IndexParam::new().field_name("chunks[emb_list_vector]")
.index_name("chunks_emb_list_max_sim")
.index_type(IndexType::Hnsw)
.metric_type(MetricType::MaxSimCosine)
.extra_params(std::collections::HashMap::from([("M".into(), "16".into()), ("efConstruction".into(), "200".into())])),
IndexParam::new().field_name("chunks[emb]")
.index_name("chunks_emb_cosine")
.index_type(IndexType::Hnsw)
.metric_type(MetricType::Cosine)
.extra_params(std::collections::HashMap::from([("M".into(), "16".into()), ("efConstruction".into(), "200".into())])),
])
.build()?;
client.create_index(request).await?;
#include <stdexcept>
#include <utility>
#include <iostream>
#include "milvus/MilvusClientV2.h"
milvus::IndexDesc emb_list_index("chunks[emb_list_vector]", "chunks_emb_list_max_sim",
milvus::IndexType::HNSW, milvus::MetricType::MAX_SIM_COSINE);
milvus::IndexDesc emb_index("chunks[emb]", "chunks_emb_cosine",
milvus::IndexType::HNSW, milvus::MetricType::COSINE);
emb_list_index.AddExtraParam("M", "16");
emb_list_index.AddExtraParam("efConstruction", "200");
emb_index.AddExtraParam("M", "16");
emb_index.AddExtraParam("efConstruction", "200");
milvus::CreateIndexRequest vector_request;
vector_request.WithCollectionName("tech_articles");
vector_request.WithIndexes({emb_list_index, emb_index});
status = client->CreateIndex(vector_request);
if (!status.IsOk()) {
throw std::runtime_error(status.Message());
}
await client.createIndex({
collection_name: "tech_articles",
field_name: "chunks[emb_list_vector]",
index_name: "chunks_emb_list_max_sim",
index_type: "HNSW",
params: { M: 16, efConstruction: 200 },
metric_type: "MAX_SIM_COSINE",
});
await client.createIndex({
collection_name: "tech_articles",
field_name: "chunks[emb]",
index_name: "chunks_emb_cosine",
index_type: "HNSW",
params: { M: 16, efConstruction: 200 },
metric_type: "COSINE",
});
using Milvus.Client.V2.Requests.Index;
using Milvus.Client.V2.Types;
await client.CreateIndexAsync(new CreateIndexReq
{
CollectionName = "tech_articles",
Indexes = new[]
{
new IndexParam("chunks[emb_list_vector]", "chunks_emb_list_max_sim", IndexType.Hnsw, MetricType.MaxSimCosine) { ExtraParams = { ["M"] = 16, ["efConstruction"] = 200 } },
new IndexParam("chunks[emb]", "chunks_emb_cosine", IndexType.Hnsw, MetricType.Cosine) { ExtraParams = { ["M"] = 16, ["efConstruction"] = 200 } }
}
});
curl --request POST \
--url "http://localhost:19530/v2/vectordb/indexes/create" \
--header "Authorization: Bearer root:Milvus" \
--header "Content-Type: application/json" \
-d '{
"collectionName": "tech_articles",
"indexParams": [
{
"fieldName": "chunks[emb_list_vector]",
"indexName": "chunks_emb_list_max_sim",
"metricType": "MAX_SIM_COSINE",
"params": { "index_type": "HNSW", "M": "16", "efConstruction": "200" }
},
{
"fieldName": "chunks[emb]",
"indexName": "chunks_emb_cosine",
"metricType": "COSINE",
"params": { "index_type": "HNSW", "M": "16", "efConstruction": "200" }
}
]
}'
تحذير
لا تقم بإنشاء فهرس مقياس التباعد ( MAX_SIM* ) وفهرس مقياس متجه عادي على نفس الحقل الفرعي للمتجه. إذا كان كلا وضعي البحث مطلوبين، فاكتب المتجهات في حقلين فرعيين منفصلين للمتجه وأنشئ فهرسًا واحدًا لكل حقل فرعي.
إنشاء فهارس قياسية
قم بإنشاء فهارس قيمية على الحقول الفرعية القيمية لـ StructArray عند استخدامها في عوامل التصفية. استخدم نفس صيغة مسار structArray[subfield].
index_params = client.prepare_index_params()
index_params.add_index(
field_name="chunks[section]",
index_name="chunks_section_inverted",
index_type="INVERTED",
)
index_params.add_index(
field_name="chunks[has_code]",
index_name="chunks_has_code_inverted",
index_type="INVERTED",
)
index_params.add_index(
field_name="chunks[quality_score]",
index_name="chunks_quality_score_sort",
index_type="STL_SORT",
)
index_params.add_index(
field_name="chunks[page]",
index_name="chunks_page_sort",
index_type="STL_SORT",
)
client.create_index(
collection_name="tech_articles",
index_params=index_params,
)
import io.milvus.v2.common.IndexParam;
import io.milvus.v2.service.index.request.CreateIndexReq;
import java.util.Arrays;
client.createIndex(CreateIndexReq.builder()
.collectionName("tech_articles")
.indexParams(Arrays.asList(
IndexParam.builder().fieldName("chunks[section]").indexType(IndexParam.IndexType.INVERTED)
.indexName("chunks_section_inverted").build(),
IndexParam.builder().fieldName("chunks[has_code]").indexType(IndexParam.IndexType.INVERTED)
.indexName("chunks_has_code_inverted").build(),
IndexParam.builder().fieldName("chunks[quality_score]").indexType(IndexParam.IndexType.STL_SORT)
.indexName("chunks_quality_score_sort").build(),
IndexParam.builder().fieldName("chunks[page]").indexType(IndexParam.IndexType.STL_SORT)
.indexName("chunks_page_sort").build()))
.build());
import (
"fmt"
"github.com/milvus-io/milvus/client/v3/index"
"github.com/milvus-io/milvus/client/v3/milvusclient"
)
_, err = cli.CreateIndex(ctx, milvusclient.NewCreateIndexOption("tech_articles", "chunks[section]", index.NewInvertedIndex()).WithIndexName("chunks_section_inverted"))
if err != nil {
fmt.Println(err.Error())
return
}
_, err = cli.CreateIndex(ctx, milvusclient.NewCreateIndexOption("tech_articles", "chunks[has_code]", index.NewInvertedIndex()).WithIndexName("chunks_has_code_inverted"))
if err != nil {
fmt.Println(err.Error())
return
}
_, err = cli.CreateIndex(ctx, milvusclient.NewCreateIndexOption("tech_articles", "chunks[quality_score]", index.NewSortedIndex()).WithIndexName("chunks_quality_score_sort"))
if err != nil {
fmt.Println(err.Error())
return
}
_, err = cli.CreateIndex(ctx, milvusclient.NewCreateIndexOption("tech_articles", "chunks[page]", index.NewSortedIndex()).WithIndexName("chunks_page_sort"))
if err != nil {
fmt.Println(err.Error())
return
}
use milvus::v2::prelude::*;
let request = CreateIndexRequest::builder()
.collection_name("tech_articles")
.index_params(vec![
IndexParam::new().field_name("chunks[section]").index_name("chunks_section_inverted").index_type(IndexType::Inverted),
IndexParam::new().field_name("chunks[has_code]").index_name("chunks_has_code_inverted").index_type(IndexType::Inverted),
IndexParam::new().field_name("chunks[quality_score]").index_name("chunks_quality_score_sort").index_type(IndexType::StlSort),
IndexParam::new().field_name("chunks[page]").index_name("chunks_page_sort").index_type(IndexType::StlSort),
])
.build()?;
client.create_index(request).await?;
#include <stdexcept>
#include <utility>
#include <iostream>
#include "milvus/MilvusClientV2.h"
milvus::IndexDesc section_index("chunks[section]", "chunks_section_inverted",
milvus::IndexType::INVERTED);
milvus::IndexDesc has_code_index("chunks[has_code]", "chunks_has_code_inverted",
milvus::IndexType::INVERTED);
milvus::IndexDesc quality_index("chunks[quality_score]", "chunks_quality_score_sort",
milvus::IndexType::STL_SORT);
milvus::IndexDesc page_index("chunks[page]", "chunks_page_sort",
milvus::IndexType::STL_SORT);
milvus::CreateIndexRequest scalar_request;
scalar_request.WithCollectionName("tech_articles");
scalar_request.WithIndexes({section_index, has_code_index, quality_index, page_index});
status = client->CreateIndex(scalar_request);
if (!status.IsOk()) {
throw std::runtime_error(status.Message());
}
await client.createIndex({
collection_name: "tech_articles",
field_name: "chunks[section]",
index_name: "chunks_section_inverted",
index_type: "INVERTED",
});
await client.createIndex({
collection_name: "tech_articles",
field_name: "chunks[has_code]",
index_name: "chunks_has_code_inverted",
index_type: "INVERTED",
});
await client.createIndex({
collection_name: "tech_articles",
field_name: "chunks[quality_score]",
index_name: "chunks_quality_score_sort",
index_type: "STL_SORT",
});
await client.createIndex({
collection_name: "tech_articles",
field_name: "chunks[page]",
index_name: "chunks_page_sort",
index_type: "STL_SORT",
});
using Milvus.Client.V2.Requests.Index;
using Milvus.Client.V2.Types;
await client.CreateIndexAsync(new CreateIndexReq
{
CollectionName = "tech_articles",
Indexes = new[]
{
new IndexParam("chunks[section]", "chunks_section_inverted", IndexType.Inverted),
new IndexParam("chunks[has_code]", "chunks_has_code_inverted", IndexType.Inverted),
new IndexParam("chunks[quality_score]", "chunks_quality_score_sort", IndexType.StlSort),
new IndexParam("chunks[page]", "chunks_page_sort", IndexType.StlSort)
}
});
curl --request POST \
--url "http://localhost:19530/v2/vectordb/indexes/create" \
--header "Authorization: Bearer root:Milvus" \
--header "Content-Type: application/json" \
-d '{
"collectionName": "tech_articles",
"indexParams": [
{ "fieldName": "chunks[section]", "indexName": "chunks_section_inverted", "params": { "index_type": "INVERTED" } },
{ "fieldName": "chunks[has_code]", "indexName": "chunks_has_code_inverted", "params": { "index_type": "INVERTED" } },
{ "fieldName": "chunks[quality_score]", "indexName": "chunks_quality_score_sort", "params": { "index_type": "STL_SORT" } },
{ "fieldName": "chunks[page]", "indexName": "chunks_page_sort", "params": { "index_type": "STL_SORT" } }
]
}'
تعد الفهارس القياسية اختيارية، لكنها مفيدة عندما تظهر الحقول الفرعية القياسية لـ StructArray بشكل متكرر في عوامل التصفية، مثل element_filter(chunks, $[quality_score] > 0.9) أو MATCH_ANY(chunks, $[section] == "index").
أنواع المقاييس القابلة للتطبيق
للبحث في EmbeddingList، اختر المقياس MAX_SIM* المطابق للمقارنة لكل متجه: MAX_SIM_COSINE (يُسمى أيضًا MAX_SIM)، MAX_SIM_IP ، أو MAX_SIM_L2 للمتجهات الكثيفة، و MAX_SIM_HAMMING أو MAX_SIM_JACCARD للمتجهات الثنائية. تقارن هذه المقاييس قوائم التضمين وتُرجع نتائج على مستوى الكيان. للبحث على مستوى العنصر، استخدم المقياس العادي المطابق المذكور أدناه.
توافق مقاييس الفهرس
استخدم الجداول التالية لاختيار نوع الفهرس ونوع المقياس لحقل فرعي من متجه StructArray. ابدأ من الهدف، ثم اختر عائلة المقاييس حسب وضع البحث.
اختر نوع فهرس Milvus ونوع المقياس من جداول التوافق التالية.
البحث في EmbeddingList
يستخدم بحث EmbeddingList مقاييس " MAX_SIM* ". ويعامل المتجهات الموجودة في حقل فرعي من نوع StructArray كقائمة تضمين ويعرض نتائج على مستوى الكيان.
| نوع بيانات الحقل الفرعي للمتجهات | نوع الفهرس | نوع المقياس |
|---|---|---|
FLOAT_VECTOR، FLOAT16_VECTOR ، BFLOAT16_VECTOR | IVF_FLAT، IVF_FLAT_CC ، HNSW ، HNSW_SQ ، HNSW_PQ ، HNSW_PRQ ، DISKANN | MAX_SIM، MAX_SIM_COSINE ، MAX_SIM_IP ، MAX_SIM_L2 |
INT8_VECTOR | HNSW، HNSW_SQ ، HNSW_PQ ، HNSW_PRQ | MAX_SIM، MAX_SIM_COSINE ، MAX_SIM_IP ، MAX_SIM_L2 |
BINARY_VECTOR | HNSW | MAX_SIM_HAMMING، MAX_SIM_JACCARD |
البحث على مستوى العناصر
يستخدم البحث على مستوى العناصر مقاييس متجهة عادية. ويقوم بالبحث في كل عنصر من عناصر Struct بشكل مستقل ويمكنه إرجاع إزاحة العنصر المطابق.
| نوع بيانات الحقل الفرعي للمتجه | نوع الفهرس | نوع المقياس |
|---|---|---|
FLOAT_VECTOR، FLOAT16_VECTOR ، BFLOAT16_VECTOR | FLAT، IVF_FLAT ، IVF_FLAT_CC ، IVF_SQ8 ، IVF_SQ_CC ، IVF_PQ ، SCANN ، IVF_RABITQ ، IVF_RABITQ_FASTSCAN ، HNSW ، HNSW_SQ ، HNSW_PQ ، HNSW_PRQ ، DISKANN | L2، IP ، COSINE |
INT8_VECTOR | HNSW، HNSW_SQ ، HNSW_PQ ، HNSW_PRQ | L2، IP ، COSINE |
BINARY_VECTOR | HNSW | HAMMING، JACCARD |
BINARY_VECTOR | BIN_FLAT | HAMMING، JACCARD ، SUBSTRUCTURE ، SUPERSTRUCTURE ، MHJACCARD |
BINARY_VECTOR | BIN_IVF_FLAT | HAMMING، JACCARD |
للحصول على دعم خاص بالإصدار والقيود الأخرى، راجع " قيود StructArray".
التحقق من الفهارس
بعد إنشاء الفهارس، قم بوصف فهارس المجموعة أو القائمة للتأكد من أن مسارات الحقول الفرعية المتوقعة قد تم فهرستها.
indexes = client.list_indexes(
collection_name="tech_articles",
)
print(indexes)
import io.milvus.v2.service.index.request.ListIndexesReq;
import java.util.List;
List<String> indexes = client.listIndexes(ListIndexesReq.builder()
.collectionName("tech_articles")
.build());
System.out.println(indexes);
import (
"fmt"
"github.com/milvus-io/milvus/client/v3/milvusclient"
)
indexes, err := cli.ListIndexes(ctx, milvusclient.NewListIndexOption("tech_articles"))
if err != nil {
fmt.Println(err.Error())
return
}
fmt.Println(indexes)
use milvus::v2::prelude::*;
let resp = client.list_indexes(ListIndexesRequest::builder()
.collection_name("tech_articles").build()?).await?;
println!("{:?}", resp.index_names());
#include <stdexcept>
#include <utility>
#include <iostream>
#include "milvus/MilvusClientV2.h"
milvus::ListIndexesResponse list_resp;
status = client->ListIndexes(milvus::ListIndexesRequest()
.WithCollectionName("tech_articles"),
list_resp);
if (!status.IsOk()) {
throw std::runtime_error(status.Message());
}
for (const auto& name : list_resp.IndexNames()) {
std::cout << name << std::endl;
}
const indexes = await client.listIndexes({
collection_name: "tech_articles",
});
console.log(indexes);
using Milvus.Client.V2.Requests.Index;
var indexes = await client.ListIndexesAsync(new ListIndexesReq
{
CollectionName = "tech_articles"
});
Console.WriteLine(string.Join(", ", indexes.IndexNames));
curl --request POST \
--url "http://localhost:19530/v2/vectordb/indexes/list" \
--header "Authorization: Bearer root:Milvus" \
--header "Content-Type: application/json" \
-d '{
"collectionName": "tech_articles"
}'
بعد إنشاء كل من الفهارس المتجهة والعددية أعلاه، يجب أن تحتوي استجابة القائمة على الأسماء التالية، بأي ترتيب. يعتمد التنسيق على SDK:
chunks_emb_list_max_sim
chunks_emb_cosine
chunks_section_inverted
chunks_has_code_inverted
chunks_quality_score_sort
chunks_page_sort
قم بوصف فهرس « chunks_emb_cosine » الذي تم إنشاؤه أعلاه لفحص الحقل المستهدف وتكوينه. تختلف بنية الاستجابة والتمثيل المطبوع باختلاف حزم SDK.
index = client.describe_index(
collection_name="tech_articles",
index_name="chunks_emb_cosine",
)
print(index)
import io.milvus.v2.service.index.request.DescribeIndexReq;
import io.milvus.v2.service.index.response.DescribeIndexResp;
DescribeIndexResp index = client.describeIndex(DescribeIndexReq.builder()
.collectionName("tech_articles")
.indexName("chunks_emb_cosine")
.build());
System.out.println(index);
import (
"fmt"
"github.com/milvus-io/milvus/client/v3/milvusclient"
)
indexDesc, err := cli.DescribeIndex(ctx, milvusclient.NewDescribeIndexOption("tech_articles", "chunks_emb_cosine"))
if err != nil {
fmt.Println(err.Error())
return
}
fmt.Println(indexDesc.IndexType())
use milvus::v2::prelude::*;
let resp = client.describe_index(DescribeIndexRequest::builder()
.collection_name("tech_articles").index_name("chunks_emb_cosine").build()?).await?;
for description in resp.indexes() {
println!("{:?}", description);
}
#include <stdexcept>
#include <utility>
#include <iostream>
#include "milvus/MilvusClientV2.h"
milvus::DescribeIndexResponse desc_resp;
status = client->DescribeIndex(milvus::DescribeIndexRequest()
.WithCollectionName("tech_articles")
.WithIndexName("chunks_emb_cosine"),
desc_resp);
if (!status.IsOk()) {
throw std::runtime_error(status.Message());
}
for (const auto& desc : desc_resp.Descs()) {
std::cout << desc.FieldName() << ": " << desc.IndexName() << std::endl;
}
const index = await client.describeIndex({
collection_name: "tech_articles",
index_name: "chunks_emb_cosine",
});
console.log(index);
using Milvus.Client.V2.Requests.Index;
var index = await client.DescribeIndexAsync(new DescribeIndexReq
{
CollectionName = "tech_articles",
IndexName = "chunks_emb_cosine"
});
foreach (var description in index.Indexes)
{
Console.WriteLine($"{description.FieldName}: {description.IndexName}");
}
curl --request POST \
--url "http://localhost:19530/v2/vectordb/indexes/describe" \
--header "Authorization: Bearer root:Milvus" \
--header "Content-Type: application/json" \
-d '{
"collectionName": "tech_articles",
"indexName": "chunks_emb_cosine"
}'
تحتوي استجابة القائمة على أسماء الفهارس؛ وتحدد استجابة الوصف chunks[emb] وتكوين الفهرس. افحص الاستجابة أو الحالة بحثًا عن أخطاء قبل استخدامها.
قواعد الفهرس
| القاعدة | الشرح |
|---|---|
| استخدم صيغة المسار لفهارس الحقول الفرعية. | قم بفهرسة chunks[emb] ، وليس emb أو chunks.emb. |
| يقبل كل حقل فرعي متجه فهرسًا واحدًا. | استخدم حقول فرعية متجهة منفصلة إذا كنت بحاجة إلى مجموعات مقاييس مختلفة. |
استخدم مقاييس MAX_SIM* للبحث في EmbeddingList. | تتطلب بيانات استعلام EmbeddingList فهرسًا تم إنشاؤه باستخدام مقياس MAX_SIM*. |
| استخدم مقاييس المتجهات العادية للبحث على مستوى العناصر. | يستخدم البحث على مستوى العنصر بيانات استعلام متجهة عادية ومقاييس مثل COSINE أو IP أو L2. |
| قم بفهرسة الحقول الفرعية القياسية التي تظهر في عوامل التصفية. | استخدم أنواع الفهرس القياسي التي يدعمها هدفك. |
| ضع حدود الحقول المتجهة في الاعتبار. | العدد الإجمالي للحقول المتجهة والحقول الفرعية المتجهة محدود. راجع حدود StructArray قبل إضافة العديد من الحقول الفرعية المتجهة. |
الأخطاء الشائعة
إنشاء فهرس على
chunks.embبدلاً منchunks[emb].إنشاء فهرس
MAX_SIM*فقط ثم محاولة إجراء بحث على مستوى العنصر في نفس الحقل الفرعي.إنشاء فهرس متجه عادي فقط ثم محاولة تشغيل بحث EmbeddingList على نفس الحقل الفرعي.
إعادة استخدام حقل فرعي متجه واحد لكل من مقاييس
MAX_SIM*والمقاييس المتجهة العادية.تجاهل الفهارس القياسية لمرشحات StructArray المستخدمة بكثرة.
فهرسة حقل فرعي لـ StructArray غير موجود في مخطط Struct.
الخطوات التالية
لتشغيل بحث EmbeddingList على مستوى الكيان أو البحث المتجه على مستوى العنصر، اقرأ " البحث المتجه الأساسي باستخدام StructArray".
لتصفية الحقول الفرعية القياسية لـ StructArray أثناء البحث، اقرأ " البحث المُصفى باستخدام StructArray".
لمراجعة حدود الفهرس والمقاييس، اقرأ " حدود StructArray".