Pesquisa de chave primáriaCompatible with Milvus 2.6.9+

Ao realizar pesquisas de similaridade, é sempre solicitado que forneça um ou mais vectores de consulta, mesmo que os vectores de consulta já estejam presentes na coleção de destino. Para evitar a recuperação de vectores antes da pesquisa, pode utilizar chaves primárias.

Visão geral

Nas plataformas de comércio eletrónico, os utilizadores podem introduzir uma palavra-chave para obter produtos que correspondam à mesma. Quando o utilizador visualiza a página de detalhes de um produto, a plataforma também apresenta uma lista de produtos semelhantes na parte inferior da página para os utilizadores que pretendam compará-los.

As recomendações são ordenadas pela sua semelhança com a palavra-chave ou com o produto atual. Para tal, os programadores da plataforma têm de obter a representação vetorial da palavra-chave ou do produto atual a partir do Milvus antes da pesquisa de semelhanças propriamente dita, o que aumenta o tempo de ida e volta entre a plataforma e o Milvus e resulta na transmissão de um grande número de dados flutuantes de elevada dimensão através da rede.

Para simplificar a lógica de interação entre as suas aplicações e o Milvus, reduzir o número de viagens de ida e volta e evitar a transmissão de grandes quantidades de valores de vírgula flutuante de elevada dimensão através da rede, considere a utilização de pesquisas de chave primária.

Numa pesquisa de chave primária, não é necessário fornecer quaisquer vectores de consulta. Em vez disso, é-lhe pedido que forneça as chaves primárias (ids) das entidades que contêm os vectores de consulta.

Limites e restrições

• As pesquisas que utilizam chaves primárias aplicam-se a todos os tipos de dados vectoriais, exceto campos vectoriais esparsos derivados de campos VarChar, como nas funções BM25.

• É possível usar chaves primárias em vez de vetores de consulta em pesquisas filtradas, de intervalo e de agrupamento, opcionalmente com a paginação ativada. No entanto, esse recurso não se aplica a pesquisas híbridas e iteradores de pesquisa.

• Para pesquisas de similaridade envolvendo listas incorporadas, ainda é necessário recuperar os vetores de consulta, organizá-los em listas incorporadas e executar as pesquisas.

• Não é possível usar chaves primárias em vez de vetores de consulta em APIs RESTful.

• Se existirem chaves primárias inexistentes ou num formato incorreto, o Milvus apresentará erros.

• As chaves primárias e os vectores de consulta são mutuamente exclusivos. Fornecer ambos também resulta em erros.

Exemplos

Os exemplos seguintes assumem que todos os IDs Int64 fornecidos estão disponíveis na coleção de destino.

Exemplo 1: Pesquisa básica de chave primária

Para realizar uma pesquisa básica de chave primária, basta substituir os vetores de consulta por chaves primárias.

from pymilvus import MilvusClient

client = MilvusClient(
    uri="http://localhost:19530",
    token="root:Milvus"
)

res = client.search(
    collection_name="quick_setup",
    anns_field="vector",
    ids=[551, 296, 43], # a list of primary keys
    limit=3,
    search_params={"metric_type": "IP"}
)

for hits in res:
    for hit in hits:
        print(hit)

// java

// node.js

// go

# restful

Exemplo 2: Pesquisa filtrada usando chaves primárias

O exemplo a seguir assume que cor e curtidas são dois campos definidos pelo esquema na coleção de destino.

res = client.search(
    collection_name="my_collection",
    ids=[551, 296, 43], #
    filter='color like "red%" and likes > 50',
    output_fields=["color", "likes"],
    limit=3,
)

// java

// node.js

// go

# restful

Exemplo 3: Pesquisa de intervalo usando chaves primárias

res = client.search(
    collection_name="my_collection",
    ids=[551, 296, 43],
    limit=3,
    search_params={
        "params": {
            "radius": 0.4,
            "range_filter": 0.6
        }
    }
)

// java

// node.js

// go

# restful

Exemplo 4: pesquisa de agrupamento usando chaves primárias

O exemplo seguinte assume que docId é um campo definido pelo esquema na coleção de destino.

res = client.search(
    collection_name="my_collection",
    ids=[551, 296, 43],
    limit=3,
    group_by_field="docId",
    output_fields=["docId"]
)

// java

// node.js

// go

# restful