Início rápido com o Attu Desktop
1. Introdução
O Attu é uma ferramenta de administração tudo-em-um e de código aberto para o Milvus. Apresenta uma interface gráfica de utilizador (GUI) intuitiva, permitindo-lhe interagir facilmente com as suas bases de dados. Com apenas alguns cliques, é possível visualizar o status do cluster, gerenciar metadados, realizar consultas de dados e muito mais.
2. Instalar a aplicação para ambiente de trabalho
Baixe a versão desktop do Attu visitando a página de Lançamentos do Attu no GitHub. Selecione a versão apropriada para o seu sistema operacional e siga as etapas de instalação.
Nota para o macOS (chip da série M):
Se encontrar o erro:
attu.app is damaged and cannot be opened.
Execute o seguinte comando no terminal para contornar esse problema:
sudo xattr -rd com.apple.quarantine /Applications/attu.app
3. Ligar ao Milvus
O Attu suporta a ligação ao Milvus Standalone e ao Zilliz Cloud, proporcionando flexibilidade para trabalhar com bases de dados locais ou alojadas na nuvem.
Para utilizar o Milvus Standalone localmente:
- Inicie o Milvus Standalone seguindo o guia de instalação do Milvus.
- Abra o Attu e introduza as informações de ligação:
- Endereço do Milvus: O URI do seu servidor Milvus Standalone, por exemplo, http://localhost:19530
- Outras definições opcionais: Pode defini-las em função das configurações do seu Milvus ou deixá-las como predefinidas.
- Clique em Connect para aceder à sua base de dados.
Também pode ligar o Milvus totalmente gerido no Zilliz Cloud. Basta definir os endereços
Milvus Addressetokenpara o Public Endpoint e a chave API da sua instância Zilliz Cloud.
- Clique para aceder à sua base de dados.
4. Preparar os dados, criar uma coleção e inserir dados
4.1 Preparar os dados
Usamos as páginas de FAQ da Documentação do Milvus 2.4.x como conjunto de dados para este exemplo.
Download e extração de dados:
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
Processar arquivos 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 Gerar embeddings
Defina um modelo de incorporação para gerar incorporação de texto usando o milvus_model. Usamos o modelo DefaultEmbeddingFunction como exemplo, que é um modelo de incorporação pré-treinado e leve.
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])
Saída:
768
[-0.04836066 0.07163023 -0.01130064 -0.03789345 -0.03320649 -0.01318448
-0.03041712 -0.02269499 -0.02317863 -0.00426028]
4.3 Criar coleção
Ligue-se ao Milvus e crie uma coleção:
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 Inserir dados
Itere pelas linhas de texto, crie embeddings e insira os dados no 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 dados e esquema
Agora podemos visualizar o esquema de dados e as entidades inseridas usando a interface do Attu. O esquema apresenta campos definidos, incluindo um campo id do tipo Int64 e um campo vector do tipo FloatVector(768) com uma métrica Inner Product (IP). A coleção é carregada com 72 entidades.
Além disso, podemos ver os dados inseridos, incluindo ID, incorporação de vectores e campos dinâmicos que armazenam metadados, como conteúdo de texto. A interface suporta filtragem e consulta com base em condições especificadas ou campos dinâmicos.
5. Visualizar resultados de pesquisa e relações
O Attu fornece uma interface poderosa para visualizar e explorar relações de dados. Para examinar os pontos de dados inseridos e suas relações de similaridade, siga estas etapas:
5.1 Realizar uma pesquisa
Navegue até a guia Pesquisa de Vetor no Attu.
- Clique no botão Gerar dados aleatórios para criar consultas de teste.
- Clique em Pesquisar para obter resultados com base nos dados gerados.
Os resultados são apresentados numa tabela, mostrando IDs, pontuações de semelhança e campos dinâmicos para cada entidade correspondente.
5.2 Explorar relações de dados
Clique no botão Explorar no painel de resultados para visualizar as relações entre o vetor de consulta e os resultados da pesquisa em uma estrutura semelhante a um gráfico de conhecimento.
- O nó central representa o vetor de pesquisa.
- Os nós ligados representam os resultados da pesquisa, clicando neles serão apresentadas as informações detalhadas do nó correspondente.
5.3 Expandir o gráfico
Faça duplo clique em qualquer nó de resultado para expandir as suas ligações. Esta ação revela relações adicionais entre o nó selecionado e outros pontos de dados na coleção, criando um gráfico de conhecimento maior e interligado.
Esta vista expandida permite uma exploração mais profunda da forma como os pontos de dados estão relacionados, com base na semelhança dos vectores.
6. Conclusão
O Attu simplifica a gestão e a visualização dos dados vectoriais armazenados no Milvus. Desde a inserção de dados à execução de consultas e à exploração interactiva, fornece uma interface intuitiva para lidar com tarefas complexas de pesquisa vetorial. Com funcionalidades como o suporte de esquemas dinâmicos, visualizações de pesquisa gráfica e filtros de consulta flexíveis, o Attu permite aos utilizadores analisar eficazmente conjuntos de dados de grande escala.
Ao tirar partido das ferramentas de exploração visual do Attu, os utilizadores podem compreender melhor os seus dados, identificar relações ocultas e tomar decisões baseadas em dados. Comece hoje mesmo a explorar os seus próprios conjuntos de dados com a Attu e o Milvus!