基本運算子

Milvus 提供豐富的基本運算子，協助您高效地篩選與查詢資料。透過這些運算子，您可以根據標量欄位、數值運算、邏輯條件等來精確調整搜尋條件。掌握這些運算子的使用方法，對於建構精確的查詢並最大化搜尋效率至關重要。

比較運算子

比較運算子用於根據等於、不等於或大小進行資料篩選，適用於數值與文字欄位。

支援的比較運算子

• == (等於)

• != (不等於)

• > (大於)

• < (小於)

• >= (大於或等於)

• <= (小於或等於)

範例 1：使用「等於」進行篩選 (==)

假設您有一個名為status 的欄位，且您想找出所有status 為「active」的實體。您可以使用等於運算子== ：

filter = 'status == "active"'

範例 2：使用「不等於」篩選 (!=)

若要找出status 並非「inactive」的實體：

filter = 'status != "inactive"'

範例 3：使用「大於」條件進行篩選 (>)

若要找出所有age 大於 30 的實體：

filter = 'age > 30'

範例 4：使用「小於」進行篩選

要找出price 小於 100 的實體：

filter = 'price < 100'

範例 5：使用大於或等於 (>=) 進行篩選

若要找出所有rating 大於或等於 4 的實體：

filter = 'rating >= 4'

範例 6：使用「小於或等於」進行篩選

若要找出discount 小於或等於 10% 的實體：

filter = 'discount <= 10'

範圍運算子

範圍運算子可協助根據特定值集篩選資料。Milvus 支援使用IN 進行集合成員資格檢查。

若要找出所有「color 」為「red」、「green」或「blue」的實體：

filter = 'color in ["red", "green", "blue"]'

當您需要檢查資料是否屬於一組特定值時，此功能非常實用。

模式匹配運算子

模式匹配運算子可協助根據通配符模式或正規表達式篩選字串值。

• LIKE: 用於根據字串值匹配簡單的萬用字元模式。例如，name LIKE "Prod%" 會匹配以Prod 開頭的值。

• =~: 用於將字串值與 RE2 正規表達式進行比對。例如，code =~ "E[0-9]{4}" 會匹配包含錯誤代碼的值，例如E1001 。

• !~: 用於排除與 RE2 正規表達式相符的字串值。這等同於NOT (field =~ "pattern") 。

若要找出name 以Prod 開頭的實體：

filter = 'name LIKE "Prod%"'

若要尋找其 `code ` 包含錯誤代碼（例如E1001 ）的實體：

filter = 'code =~ "E[0-9]{4}"'

若要排除message 以DEBUG 開頭的實體：

filter = 'message !~ "^DEBUG"'

有關在「LIKE 」與正規表達式（regex）之間進行選擇、受支援的欄位類型、正規表達式語法、轉義規則及效能等詳細資訊，請參閱《模式匹配》。Milvus 亦允許您針對「VARCHAR 」欄位或 JSON 字串路徑建立「NGRAM 」索引，以加速符合條件的模式匹配篩選器。詳細資訊請參閱《NGRAM》。

算術運算子

算術運算子可讓您根據涉及數值欄位的計算來建立條件。

支援的算術運算子

• + (加法)

• - (減法)

• * (乘法)

• / (除法)

• % (取模)

• ** (冪運算)

範例 1：使用模運算 (%)

找出使id 為偶數（即能被 2 整除）的數：

filter = 'id % 2 == 0'

範例 2：使用冪運算 (**)

要找出price 提升至 2 次方後大於 1000 的實體：

filter = 'price ** 2 > 1000'

位元運算子Compatible with Milvus 3.0.0+

當整數欄位編碼多個標誌（例如權限、功能標誌或狀態位元）時，位元運算子便十分實用。您可以在篩選表達式中使用這些運算子，以檢查、組合或比較整數值中的個別位元。

對於標量欄位，位元運算子適用於整數欄位類型，例如INT8 、INT16 、INT32 以及INT64 。

受支援的位元運算子

運算子	名稱	典型用途
&	位元與 (AND)	檢查特定位元是否已設定。
|	位元或	在比較前將位元進行組合。
^	位元異或	比較兩個值之間的位元差異。

範例：根據權限位元進行篩選

假設您有一個名為 `permissions` 的整數欄位，且該整數中的每個位元代表一個權限標誌：

權限標誌	位元值
READ	1
WRITE	2
SHARE	4
ADMIN	8

例如，permissions = 5 表示READ 和SHARE 位元已設定，因為5 = 1 + 4 。

若要找出「SHARE 」位元已設定的實體，請使用位元與運算 (&)：

filter = "(permissions & 4) == 4"

|若要找出設定WRITE 位元後會產生READ + WRITE + SHARE 權限集的實體，請使用位元與 ( )：

filter = "(permissions | 2) == 7"

若要找出其權限位元與 `READ + WRITE + SHARE ` 僅在 `WRITE ` 位元上有所不同的實體，請使用位元異或 (^)：

filter = "(permissions ^ 7) == 2"

邏輯運算子

邏輯運算子用於將多個條件組合成更複雜的篩選表達式。這些運算子包括AND 、OR 以及NOT 。

受支援的邏輯運算子

• AND：將多個條件組合起來，且所有條件都必須為真。

• OR: 將多個條件組合，其中至少有一個必須為真。

• NOT: 否定一個條件。

範例 1：使用AND 組合條件

要找出所有「price 」大於 100 且「stock 」大於 50 的產品：

filter = 'price > 100 AND stock > 50'

範例 2：使用「OR 」組合條件

要找出所有「color 」為「red」或「blue」的商品：

filter = 'color == "red" OR color == "blue"'

範例 3：使用NOT 排除某個條件

要找出所有color 並非「綠色」的產品：

filter = 'NOT color == "green"'

IS NULL 與 IS NOT NULL 運算子

IS NULL 和IS NOT NULL 運算子用於根據欄位是否包含空值（無資料）來篩選欄位。

• IS NULL: 識別特定欄位包含 null 值的實體，即該欄位無值或未定義。

• IS NOT NULL：識別特定欄位包含 null 以外任何值的實體，意即該欄位具有有效且已定義的值。

包含 null 值的常量標量欄位

Milvus 允許針對具有 null 值的常規標量欄位（例如字串或數字）進行篩選。

若要擷取description 欄位為 null 的實體：

filter = 'description IS NULL'

若要擷取description 欄位不為空的實體：

filter = 'description IS NOT NULL'

若要擷取description 欄位不為空，且price 欄位大於 10 的實體：

filter = 'description IS NOT NULL AND price > 10'

具有 null 值的 JSON 欄位

Milvus 允許針對包含 null 值的 JSON 欄位進行篩選。JSON 欄位在以下情況下會被視為 null：

• 整個 JSON 物件被明確設定為 None（null），例如{"metadata": None} 。

• 該 JSON 欄位本身在實體中完全缺失。

為了進一步說明 Milvus 如何處理具有 null 值的 JSON 欄位，請參考以下包含 JSON 欄位metadata 的範例資料：

data = [
  {
      "metadata": {"category": "electronics", "price": 99.99, "brand": "BrandA"},
      "pk": 1,
      "embedding": [0.12, 0.34, 0.56]
  },
  {
      "metadata": None, # Entire JSON object is null
      "pk": 2,
      "embedding": [0.56, 0.78, 0.90]
  },
  {  # JSON field `metadata` is completely missing
      "pk": 3,
      "embedding": [0.91, 0.18, 0.23]
  },
  {
      "metadata": {"category": None, "price": 99.99, "brand": "BrandA"}, # Individual key value is null
      "pk": 4,
      "embedding": [0.56, 0.38, 0.21]
  }
]

範例 1：擷取元資料為 null 的實體

要查找metadata 欄位缺失或明確設定為 None 的實體：

filter = 'metadata IS NULL'

# Example output:
# data: [
#     "{'metadata': None, 'pk': 2}",
#     "{'metadata': None, 'pk': 3}"
# ]

範例 2：擷取元資料不為 null 的實體

若要查找 `metadata ` 欄位不為 `null` 的實體：

filter = 'metadata IS NOT NULL'

# Example output:
# data: [
#     "{'metadata': {'category': 'electronics', 'price': 99.99, 'brand': 'BrandA'}, 'pk': 1}",
#     "{'metadata': {'category': None, 'price': 99.99, 'brand': 'BrandA'}, 'pk': 4}"
# ]

包含 null 值的 ARRAY 欄位

Milvus 允許針對包含 null 值的 ARRAY 欄位進行篩選。ARRAY 欄位在以下情況下會被視為 null：

• 整個 ARRAY 欄位被明確設定為 None（null），例如"tags": None 。

• 該 ARRAY 欄位在實體中完全缺失。

為進一步說明 Milvus 如何處理含有 null 值的 ARRAY 欄位，請參閱以下包含 ARRAY 欄位tags 的範例資料：

data = [
  {
      "tags": ["pop", "rock", "classic"],
      "ratings": [5, 4, 3],
      "pk": 1,
      "embedding": [0.12, 0.34, 0.56]
  },
  {
      "tags": None,  # Entire ARRAY is null
      "ratings": [4, 5],
      "pk": 2,
      "embedding": [0.78, 0.91, 0.23]
  },
  {  # The tags field is completely missing
      "ratings": [9, 5],
      "pk": 3,
      "embedding": [0.18, 0.11, 0.23]
  }
]

範例 1：擷取 `tags` 為 null 的實體

若要擷取tags 欄位缺失或明確設定為None 的實體：

filter = 'tags IS NULL'

# Example output:
# data: [
#     "{'tags': None, 'ratings': [4, 5], 'embedding': [0.78, 0.91, 0.23], 'pk': 2}",
#     "{'tags': None, 'ratings': [9, 5], 'embedding': [0.18, 0.11, 0.23], 'pk': 3}"
# ]

範例 2：擷取 `tags` 欄位不為空的實體

若要擷取 `tags ` 欄位不為空的實體：

filter = 'tags IS NOT NULL'

# Example output:
# data: [
#     "{'metadata': {'category': 'electronics', 'price': 99.99, 'brand': 'BrandA'}, 'pk': 1}",
#     "{'metadata': {'category': None, 'price': 99.99, 'brand': 'BrandA'}, 'pk': 4}"
# ]

關於在 JSON 和 ARRAY 欄位中使用基本運算子的提示

雖然 Milvus 中的基本運算子用途廣泛且可套用至標量欄位，但它們也能有效地與 JSON 和 ARRAY 欄位中的鍵值及索引搭配使用。

例如，若您有一個product 欄位，其中包含多個鍵，如price 、model 及tags ，請務必直接引用該鍵：

filter = 'product["price"] > 1000'

若要查找陣列中首個溫度值超過特定數值的記錄，請使用：

filter = 'history_temperatures[0] > 30'

結論

Milvus 提供一系列基本運算子，讓您能靈活地篩選和查詢資料。透過結合比較運算子、範圍運算子、算術運算子及邏輯運算子，您可以建立強大的篩選表達式，藉此縮小搜尋結果範圍，並高效地擷取所需資料。

常見問題

篩選條件中的匹配值清單長度是否有上限（例如：filter=’color in ["red", "green", “blue”]’）？若清單過長該如何處理？

Zilliz Cloud 並未對篩選條件中的匹配值清單長度設限。然而，過長的清單可能會顯著影響查詢效能。 若您的篩選條件包含冗長的匹配值清單，或含有許多元素的複雜表達式，我們建議使用「篩選模板」功能來提升查詢效能。