RTREECompatible with Milvus 2.6.4+

RTREE 索引是一種以樹狀結構為基礎的資料結構，可加速對 Milvus 中GEOMETRY 欄位的查詢。如果您的資料庫以Well-known text (WKT)格式儲存幾何物件，例如點、線或多邊形，而且您想要加速空間篩選，RTREE 是理想的選擇。

如何運作

Milvus 使用RTREE 索引來有效率地組織和篩選幾何資料，過程分為兩個階段：

階段 1：建立索引

1. 建立葉節點：對於每個幾何物件，計算其最小邊界矩形(MBR)，也就是完全包含該物件的最小矩形，並將其儲存為葉節點。

2. 群組成較大的方塊：將附近的葉節點聚類在一起，並以新的 MBR 包覆每個群組，形成內部節點。例如，B組包含D和E；C組包含F和G。

3. 新增根節點：新增一個根節點，其 MBR 涵蓋所有內部群組，形成高度平衡的樹狀結構。

Retree 如何運作

第二階段：加速查詢

1. 形成查詢 MBR：為您的查詢幾何圖形計算 MBR。

2. 修剪分支：從根部開始，將查詢 MBR 與每個內部節點進行比較。跳過任何 MBR 與查詢 MBR 沒有交集的分支。

3. 收集候選：下降到相交的分支，收集候選葉節點。

4. 精確匹配：對於每個候選節點，執行精確空間謂詞，以確定真正的匹配。

建立 RTREE 索引

您可以在集合模式中定義的GEOMETRY 欄位上建立RTREE 索引。

from pymilvus import MilvusClient

client = MilvusClient(uri="http://localhost:19530") # Replace with your server address

# Assume you have defined a GEOMETRY field named "geo" in your collection schema

# Prepare index parameters
index_params = client.prepare_index_params()

# Add RTREE index on the "geo" field
index_params.add_index(
    field_name="geo",
    index_type="RTREE",      # Spatial index for GEOMETRY
    index_name="rtree_geo",  # Optional, name your index
    params={}                # No extra params needed
)

# Create the index on the collection
client.create_index(
    collection_name="geo_demo",
    index_params=index_params
)

使用 RTREE 進行查詢

您可以使用filter 表達式中的幾何運算符號進行過濾。當目標GEOMETRY 欄位上存在RTREE 時，Milvus 會使用它來自動刪除候選項目。如果沒有索引，篩選就會退回到完全掃描。

如需可用的特定幾何運算符號的完整清單，請參閱幾何運算符號。

範例 1：僅篩選

尋找指定多邊形內的所有幾何物件：

filter_expr = "ST_CONTAINS(geo, 'POLYGON ((0 0, 10 0, 10 10, 0 10, 0 0))')"

res = client.query(
    collection_name="geo_demo",
    filter=filter_expr,
    output_fields=["id", "geo"],
    limit=10
)
print(res)   # Expected: a list of rows where geo is entirely inside the polygon

範例 2：向量搜尋 + 空間篩選器

尋找同時與某條線相交的最近向量：

# Assume you've also created an index on "vec" and loaded the collection.
query_vec = [[0.1, 0.2, 0.3, 0.4, 0.5]]
filter_expr = "ST_INTERSECTS(geo, 'LINESTRING (1 1, 2 2)')"

hits = client.search(
    collection_name="geo_demo",
    data=query_vec,
    limit=5,
    filter=filter_expr,
    output_fields=["id", "geo"]
)
print(hits)  # Expected: top-k by vector similarity among rows whose geo intersects the line

有關如何使用GEOMETRY 欄位的詳細資訊，請參閱幾何欄位。

移除索引

使用drop_index() 方法從集合中移除現有索引。

client.drop_index(
    collection_name="geo_demo",   # Name of the collection
    index_name="rtree_geo" # Name of the index to drop
)