BIN_FLAT

Der BIN_FLAT-Index ist eine Variante des FLAT-Index, die ausschließlich auf binäre Einbettungen zugeschnitten ist. Er eignet sich hervorragend für Anwendungen, bei denen die Vektorähnlichkeitssuche eine perfekte Genauigkeit bei relativ kleinen, millionenfachen Datensätzen erfordert. Durch die Anwendung einer erschöpfenden Suchmethodik, bei der jede Zieleingabe mit allen Vektoren des Datensatzes verglichen wird, garantiert BIN_FLAT exakte Ergebnisse. Diese Präzision macht ihn zu einem idealen Benchmark für die Bewertung der Leistung anderer Indizes, die möglicherweise weniger als 100 % Recall bieten, obwohl sein gründlicher Ansatz ihn auch zur langsamsten Option für große Datenmengen macht.

Index erstellen

Um einen BIN_FLAT -Index für ein Vektorfeld in Milvus zu erstellen, verwenden Sie die Methode add_index() und geben Sie die Parameter index_type und metric_type für den Index an.

from pymilvus import MilvusClient

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

index_params.add_index(
    field_name="your_binary_vector_field_name", # Name of the vector field to be indexed
    index_type="BIN_FLAT", # Type of the index to create
    index_name="vector_index", # Name of the index to create
    metric_type="HAMMING", # Metric type used to measure similarity
    params={} # No additional parameters required for BIN_FLAT
)

In dieser Konfiguration:

• index_type: Der Typ des zu erstellenden Index. In diesem Beispiel setzen Sie den Wert auf BIN_FLAT.

• metric_type: Die Methode zur Berechnung des Abstands zwischen Vektoren. Unterstützte Werte für binäre Einbettungen sind HAMMING (Standard) und JACCARD. Einzelheiten finden Sie unter Metrische Typen.

• params: Für den BIN_FLAT-Index sind keine zusätzlichen Parameter erforderlich.

Sobald die Index-Parameter konfiguriert sind, können Sie den Index erstellen, indem Sie die Methode create_index() direkt verwenden oder die Index-Parameter in der Methode create_collection übergeben. Details finden Sie unter Create Collection.

Suche im Index

Sobald der Index erstellt und die Entitäten eingefügt sind, können Sie Ähnlichkeitssuchen im Index durchführen.

res = MilvusClient.search(
    collection_name="your_collection_name", # Collection name
    anns_field="binary_vector_field",  # Binary vector field name
    data=[query_binary_vector],  # Query binary vector
    limit=3,  # TopK results to return
    search_params={"params": {}}  # No additional parameters required for BIN_FLAT
)

Weitere Informationen finden Sie unter Binärer Vektor.

Index-Parameter

Für den BIN_FLAT Index werden keine zusätzlichen Parameter benötigt, weder bei der Indexerstellung noch beim Suchprozess.