Inicio rápido con Attu Desktop
1. Introducción
Attu es una herramienta de administración "todo en uno" de código abierto para Milvus. Presenta una interfaz gráfica de usuario (GUI) intuitiva, que le permite interactuar fácilmente con sus bases de datos. Con sólo unos clics, puede visualizar el estado de su clúster, gestionar metadatos, realizar consultas de datos y mucho más.
2. Instalación de la aplicación de escritorio
Descargue la versión de escritorio de Attu visitando la página Attu GitHub Releases. Seleccione la versión adecuada para su sistema operativo y siga los pasos de instalación.
Nota para macOS (chip serie M):
Si se encuentra con el error:
attu.app is damaged and cannot be opened.
Ejecute el siguiente comando en terminal para evitar este problema:
sudo xattr -rd com.apple.quarantine /Applications/attu.app
3. Conectarse a Milvus
Attu admite la conexión tanto a Milvus Standalone como a Zilliz Cloud, lo que proporciona flexibilidad para trabajar con bases de datos locales o alojadas en la nube.
Para utilizar Milvus Standalone localmente:
- Inicie Milvus Standalone siguiendo la guía de instalación de Milvus.
- Abra Attu e introduzca la información de conexión:
- Dirección de Milvus: Su URI del servidor de Milvus Standalone, por ejemplo http://localhost:19530
- Otros ajustes opcionales: Puede establecerlos en función de sus configuraciones de Milvus o simplemente dejarlos por defecto.
- Haga clic en Conectar para acceder a su base de datos.
También puede conectar el Milvus totalmente gestionado en Zilliz Cloud. Simplemente configure
Milvus Addressytokencon el punto final público y la clave API de su instancia de Zilliz Cloud.
- Haz clic para acceder a tu base de datos.
4. Preparar los datos, crear la colección e insertar los datos
4.1 Preparar los datos
Utilizamos las páginas de preguntas frecuentes de la Documentación de Milvus 2.4.x como conjunto de datos para este ejemplo.
Descargue y extraiga los datos:
wget https://github.com/milvus-io/milvus-docs/releases/download/v2.4.6-preview/milvus_docs_2.4.x_en.zip
unzip -q milvus_docs_2.4.x_en.zip -d milvus_docs
Procesar archivos Markdown:
from glob import glob
text_lines = []
for file_path in glob("milvus_docs/en/faq/*.md", recursive=True):
with open(file_path, "r") as file:
file_text = file.read()
text_lines += file_text.split("# ")
4.2 Generar incrustaciones
Defina un modelo de incrustación para generar incrustaciones de texto utilizando milvus_model. Utilizamos el modelo DefaultEmbeddingFunction como ejemplo, que es un modelo de incrustación preentrenado y ligero.
from pymilvus import model as milvus_model
embedding_model = milvus_model.DefaultEmbeddingFunction()
# Generate test embedding
test_embedding = embedding_model.encode_queries(["This is a test"])[0]
embedding_dim = len(test_embedding)
print(embedding_dim)
print(test_embedding[:10])
Salida:
768
[-0.04836066 0.07163023 -0.01130064 -0.03789345 -0.03320649 -0.01318448
-0.03041712 -0.02269499 -0.02317863 -0.00426028]
4.3 Crear colección
Conéctese a Milvus y cree una colección:
from pymilvus import MilvusClient
# Connect to Milvus Standalone
client = MilvusClient(uri="http://localhost:19530")
collection_name = "attu_tutorial"
# Drop collection if it exists
if client.has_collection(collection_name):
client.drop_collection(collection_name)
# Create a new collection
client.create_collection(
collection_name=collection_name,
dimension=embedding_dim,
metric_type="IP", # Inner product distance
consistency_level="Strong"
)
4.4 Insertar datos
Itere a través de las líneas de texto, cree incrustaciones e inserte los datos en Milvus:
from tqdm import tqdm
data = []
doc_embeddings = embedding_model.encode_documents(text_lines)
for i, line in enumerate(tqdm(text_lines, desc="Creating embeddings")):
data.append({"id": i, "vector": doc_embeddings[i], "text": line})
client.insert(collection_name=collection_name, data=data)
4.5 Visualizar datos y esquema
Ahora podemos visualizar el esquema de datos y las entidades insertadas utilizando la interfaz de Attu. El esquema muestra los campos definidos, incluyendo un campo id de tipo Int64 y un campo vector de tipo FloatVector(768) con una métrica Inner Product (IP). La colección se carga con 72 entidades.
Además, podemos ver los datos insertados, incluidos ID, incrustaciones vectoriales y campos dinámicos que almacenan metadatos como contenido de texto. La interfaz admite el filtrado y la consulta basados en condiciones especificadas o campos dinámicos.
5. Visualización de resultados de búsqueda y relaciones
Attu proporciona una potente interfaz para visualizar y explorar las relaciones entre datos. Para examinar los puntos de datos insertados y sus relaciones de similitud, siga estos pasos:
5.1 Realizar una búsqueda
Vaya a la pestaña Búsqueda vectorial en Attu.
- Haga clic en el botón Generar datos aleatorios para crear consultas de prueba.
- Haga clic en Buscar para obtener resultados basados en los datos generados.
Los resultados se muestran en una tabla, mostrando IDs, puntuaciones de similitud y campos dinámicos para cada entidad coincidente.
5.2 Explorar relaciones de datos
Haga clic en el botón Explorar del panel de resultados para visualizar las relaciones entre el vector de consulta y los resultados de la búsqueda en una estructura similar a un grafo de conocimiento.
- El nodo central representa el vector de búsqueda.
- Los nodos conectados representan los resultados de la búsqueda, al hacer clic en ellos se mostrará la información detallada del nodo correspondiente.
5.3 Ampliar el gráfico
Haga doble clic en cualquier nodo de resultados para expandir sus conexiones. Esta acción revela relaciones adicionales entre el nodo seleccionado y otros puntos de datos de la colección, creando un gráfico de conocimiento más amplio e interconectado.
Esta vista ampliada permite una exploración más profunda de cómo se relacionan los puntos de datos, basándose en la similitud vectorial.
6. Conclusión
Attu simplifica la gestión y visualización de los datos vectoriales almacenados en Milvus. Desde la inserción de datos hasta la ejecución de consultas y la exploración interactiva, proporciona una interfaz intuitiva para gestionar tareas complejas de búsqueda vectorial. Con características como el soporte de esquemas dinámicos, visualizaciones gráficas de búsqueda y filtros de consulta flexibles, Attu permite a los usuarios analizar conjuntos de datos a gran escala de forma eficaz.
Al aprovechar las herramientas de exploración visual de Attu, los usuarios pueden comprender mejor sus datos, identificar relaciones ocultas y tomar decisiones basadas en datos. Empiece hoy mismo a explorar sus propios conjuntos de datos con Attu y Milvus.