匯入資料
本頁面示範匯入準備資料的步驟。
在您開始之前
您已經準備好您的資料並將其放入 Milvus 資料桶。
如果沒有,您應該先使用RemoteBulkWriter準備您的資料,並確保準備好的資料已經傳輸到與您的 Milvus 實例一起啟動的 MinIO 實例上的 Milvus 資料桶。如需詳細資訊,請參閱準備原始資料。
您已經使用您用來準備資料的模式建立了一個集合。如果沒有,請參閱管理集合。
下面的程式碼片段使用給定的模式建立一個簡單的集合。有關參數的詳細資訊,請參閱 create_schema()
和 create_collection()
SDK 參考資料。
以下程式碼片段使用給定的模式建立一個簡單的集合。有關參數的詳細資訊,請參閱 SDK 參考資料中的 createCollection()
SDK 參考資料。
匯入資料
要匯入準備好的資料,您必須建立一個匯入工作,如下所示:
from pymilvus.bulk_writer import bulk_import
url = f"http://127.0.0.1:19530"
# Bulk-insert data from a set of JSON files already uploaded to the MinIO server
resp = bulk_import(
url=url,
collection_name="quick_setup",
files=[['a1e18323-a658-4d1b-95a7-9907a4391bcf/1.parquet'],
['a1e18323-a658-4d1b-95a7-9907a4391bcf/2.parquet'],
['a1e18323-a658-4d1b-95a7-9907a4391bcf/3.parquet'],
['a1e18323-a658-4d1b-95a7-9907a4391bcf/4.parquet'],
['a1e18323-a658-4d1b-95a7-9907a4391bcf/5.parquet'],
['a1e18323-a658-4d1b-95a7-9907a4391bcf/6.parquet'],
['a1e18323-a658-4d1b-95a7-9907a4391bcf/7.parquet'],
['a1e18323-a658-4d1b-95a7-9907a4391bcf/8.parquet'],
['a1e18323-a658-4d1b-95a7-9907a4391bcf/9.parquet'],
['a1e18323-a658-4d1b-95a7-9907a4391bcf/10.parquet']],
)
job_id = resp.json()['data']['jobId']
print(job_id)
private static String bulkImport(List<List<String>> batchFiles) throws InterruptedException {
MilvusImportRequest milvusImportRequest = MilvusImportRequest.builder()
.collectionName("quick_setup")
.files(batchFiles)
.build();
String bulkImportResult = BulkImport.bulkImport("http://localhost:19530", milvusImportRequest);
System.out.println(bulkImportResult);
JsonObject bulkImportObject = new Gson().fromJson(bulkImportResult, JsonObject.class);
String jobId = bulkImportObject.getAsJsonObject("data").get("jobId").getAsString();
System.out.println("Create a bulkInert task, job id: " + jobId);
return jobId;
}
public static void main(String[] args) throws Exception {
List<List<String>> batchFiles = uploadData();
String jobId = bulkImport(batchFiles);
}
export MILVUS_URI="localhost:19530"
curl --request POST "http://${MILVUS_URI}/v2/vectordb/jobs/import/create" \
--header "Content-Type: application/json" \
--data-raw '{
"files": [
[
"/8ca44f28-47f7-40ba-9604-98918afe26d1/1.parquet"
],
[
"/8ca44f28-47f7-40ba-9604-98918afe26d1/2.parquet"
]
],
"collectionName": "quick_setup"
}'
請求體包含兩個欄位:
collectionName
目標資料集的名稱。
files
一個檔案路徑清單,相對於與您的 Milvus 實例一起啟動的 MioIO 實例上 Milvus 資料桶的根路徑。可能的子清單如下:
JSON 檔案
如果準備的檔案是 JSON 格式,每個子清單應該包含單一準備的 JSON 檔案路徑。
[ "/d1782fa1-6b65-4ff3-b05a-43a436342445/1.json" ],
Parquet 檔案
如果準備的檔案是 Parquet 格式,每個子清單都應包含單一準備的 Parquet 檔案的路徑。
[ "/a6fb2d1c-7b1b-427c-a8a3-178944e3b66d/1.parquet" ]
可能的回傳如下:
{
"code": 200,
"data": {
"jobId": "448707763884413158"
}
}
檢查匯入進度
獲得匯入工作 ID 後,您可以檢查匯入進度,如下所示:
import json
from pymilvus.bulk_writer import get_import_progress
url = f"http://127.0.0.1:19530"
# Get bulk-insert job progress
resp = get_import_progress(
url=url,
job_id="453265736269038336",
)
print(json.dumps(resp.json(), indent=4))
private static void getImportProgress(String jobId) {
while (true) {
System.out.println("Wait 5 second to check bulkInsert job state...");
try {
TimeUnit.SECONDS.sleep(5);
} catch (InterruptedException e) {
break;
}
MilvusDescribeImportRequest request = MilvusDescribeImportRequest.builder()
.jobId(jobId)
.build();
String getImportProgressResult = BulkImport.getImportProgress("http://localhost:19530", request);
JsonObject getImportProgressObject = new Gson().fromJson(getImportProgressResult, JsonObject.class);
String state = getImportProgressObject.getAsJsonObject("data").get("state").getAsString();
String progress = getImportProgressObject.getAsJsonObject("data").get("progress").getAsString();
if ("Failed".equals(state)) {
String reason = getImportProgressObject.getAsJsonObject("data").get("reason").getAsString();
System.out.printf("The job %s failed, reason: %s%n", jobId, reason);
break;
} else if ("Completed".equals(state)) {
System.out.printf("The job %s completed%n", jobId);
break;
} else {
System.out.printf("The job %s is running, state:%s progress:%s%n", jobId, state, progress);
}
}
}
public static void main(String[] args) throws Exception {
List<List<String>> batchFiles = uploadData();
String jobId = bulkImport(batchFiles);
getImportProgress(jobId);
}
export MILVUS_URI="localhost:19530"
curl --request POST "http://${MILVUS_URI}/v2/vectordb/jobs/import/describe" \
--header "Content-Type: application/json" \
--data-raw '{
"jobId": "449839014328146739"
}'
可能的回覆如下:
{
"code": 200,
"data": {
"collectionName": "quick_setup",
"completeTime": "2024-05-18T02:57:13Z",
"details": [
{
"completeTime": "2024-05-18T02:57:11Z",
"fileName": "id:449839014328146740 paths:\"/8ca44f28-47f7-40ba-9604-98918afe26d1/1.parquet\" ",
"fileSize": 31567874,
"importedRows": 100000,
"progress": 100,
"state": "Completed",
"totalRows": 100000
},
{
"completeTime": "2024-05-18T02:57:11Z",
"fileName": "id:449839014328146741 paths:\"/8ca44f28-47f7-40ba-9604-98918afe26d1/2.parquet\" ",
"fileSize": 31517224,
"importedRows": 100000,
"progress": 100,
"state": "Completed",
"totalRows": 200000
}
],
"fileSize": 63085098,
"importedRows": 200000,
"jobId": "449839014328146739",
"progress": 100,
"state": "Completed",
"totalRows": 200000
}
}
列出匯入工作
您可以列出相對於特定集合的所有匯入工作,如下所示:
import json
from pymilvus.bulk_writer import list_import_jobs
url = f"http://127.0.0.1:19530"
# List bulk-insert jobs
resp = list_import_jobs(
url=url,
collection_name="quick_setup",
)
print(json.dumps(resp.json(), indent=4))
private static void listImportJobs() {
MilvusListImportJobsRequest listImportJobsRequest = MilvusListImportJobsRequest.builder().collectionName("quick_setup").build();
String listImportJobsResult = BulkImport.listImportJobs("http://localhost:19530", listImportJobsRequest);
System.out.println(listImportJobsResult);
}
public static void main(String[] args) throws Exception {
listImportJobs();
}
export MILVUS_URI="localhost:19530"
curl --request POST "http://${MILVUS_URI}/v2/vectordb/jobs/import/list" \
--header "Content-Type: application/json" \
--data-raw '{
"collectionName": "quick_setup"
}'
可能的值如下:
{
"code": 200,
"data": {
"records": [
{
"collectionName": "quick_setup",
"jobId": "448761313698322011",
"progress": 50,
"state": "Importing"
}
]
}
}
限制
每個匯入檔案大小不得超過16 GB。
匯入請求的最大數目限制為1024。
每個匯入請求的最大檔案數量不得超過1024。
匯入請求中只能指定一個磁碟分割名稱。如果沒有指定磁碟分割名稱,資料會插入預設磁碟分割。此外,如果已在目標集合中設定了分割區金鑰,則無法在匯入請求中設定分割區名稱。
限制條件
在匯入資料前,請確認已確認下列 Milvus 行為的限制:
關於載入行為的限制:
- 如果一個集合在匯入前已經被載入,您可以使用
refresh_load
函式在匯入完成後載入新匯入的資料。
- 如果一個集合在匯入前已經被載入,您可以使用
有關查詢和搜尋行為的限制:
在匯入工作狀態為完成之前,新匯入的資料保證對查詢和搜尋不可见。
一旦工作狀態為完成、
如果資料集尚未載入,您可以使用
load
函式載入新匯入的資料。如果資料集已經載入,您可以呼叫
load(is_refresh=True)
來載入匯入的資料。
有關刪除行為的限制:
在匯入工作狀態為完成之前,刪除不保證會成功,也可能不會成功。
工作狀態為Completed之後的刪除保證會成功。
建議
我們強烈建議您使用多檔案匯入功能,它允許您在單一要求中上傳多個檔案。此方法不僅可簡化匯入程序,還可大幅提升匯入效能。同時,透過整合上傳,您可以減少花在資料管理上的時間,並使您的工作流程更有效率。