TRIE

Milvus 中的「TRIE 」索引會將 `VARCHAR ` 欄位的值組織成一個前綴樹（Trie）。字串中的每個字元都對應樹中的一條邊，而相同的前綴僅儲存一次。此結構能快速執行精確的字串查詢與前綴比對，無需掃描該欄位中的每個值。

若您經常執行以下類型的查詢，請使用TRIE 索引：

• 對字串值進行精確相等比對，例如category == "books"

• 前綴篩選，例如name LIKE "abc%"

支援的資料類型

• VARCHAR 字段。詳細資訊請參閱「字串字段」。

TRIE 此功能僅支援VARCHAR 欄位。若要為JSON 欄位中的字串值建立索引，請將路徑轉換為VARCHAR ，並改用NGRAM索引。

運作原理

Milvus 分兩個階段實作「TRIE 」：

1. 建立索引

   • 在資料導入過程中，Milvus 會讀取每個已建立索引欄位的值。

   • 這些值會被插入到一個三叉樹（trie）中：字元儲存在邊上，而每個終端節點則記錄共享該字串的實體 ID。

   • 建構完成的樹狀結構將作為索引儲存下來。

2. 加速查詢

   • 對於相等查詢，Milvus 會逐個字元遍歷樹，直到找到與精確值相符的節點，並返回其實體 ID。

   • 對於前綴查詢，Milvus 會逐個字元遍歷樹，直到找到與該前綴完全匹配的節點，並返回其實體 ID。

   • 匹配的實體 ID 會傳遞給查詢執行器，以進行最終結果的彙整。

對於等值和前綴篩選，查詢成本與字串長度成正比，而非實體數量，這使得這些查詢在大型集合中仍能保持高速。

建立 TRIE 索引

您可以在VARCHAR 欄位上建立TRIE 索引。無需任何額外參數。

以下範例展示如何在VARCHAR 欄位上建立TRIE 索引：

from pymilvus import MilvusClient

client = MilvusClient(uri="http://localhost:19530")

# Assume you have defined a VARCHAR field named "category" in your collection schema

# Prepare index parameters
index_params = client.prepare_index_params()

# Add TRIE index on the "category" field
index_params.add_index(
    field_name="category",     # Target VARCHAR field
    index_type="TRIE",         # Index type is TRIE
    index_name="category_trie" # Optional, name your index
)

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

import io.milvus.v2.client.ConnectConfig;
import io.milvus.v2.client.MilvusClientV2;
import io.milvus.v2.common.IndexParam;
import io.milvus.v2.service.index.request.CreateIndexReq;
import java.util.Collections;

MilvusClientV2 client = new MilvusClientV2(ConnectConfig.builder()
        .uri("http://localhost:19530")
        .build());

client.createIndex(CreateIndexReq.builder()
        .collectionName("product_catalog")
        .indexParams(Collections.singletonList(IndexParam.builder()
                .fieldName("category")
                .indexType(IndexParam.IndexType.TRIE)
                .indexName("category_trie")
                .build()))
        .build());

import (
    "context"
    "log"

    "github.com/milvus-io/milvus/client/v3/index"
    "github.com/milvus-io/milvus/client/v3/milvusclient"
)

ctx := context.Background()

cli, err := milvusclient.New(ctx, &milvusclient.ClientConfig{
    Address: "http://localhost:19530",
})

if err != nil {
    log.Fatal("failed to connect to milvus server: ", err.Error())
}

_, err = cli.CreateIndex(ctx, milvusclient.NewCreateIndexOption("product_catalog", "category", index.NewTrieIndex()).WithIndexName("category_trie"))

if err != nil {
    log.Fatal("failed to create index: ", err.Error())
}

use milvus::v2::prelude::*;

let config = ConnectConfig::new().uri("http://localhost:19530");

let client = ClientV2::new(&config).await?;

client
    .create_index(
        CreateIndexRequest::builder()
            .collection_name("product_catalog")
            .index_param(
                IndexParam::new()
                    .field_name("category")
                    .index_type(IndexType::Trie)
                    .index_name("category_trie"),
            )
            .build()?,
    )
    .await?;

#include <iostream>
#include "milvus/MilvusClientV2.h"

auto client = milvus::MilvusClientV2::Create();

auto status = client->Connect(milvus::ConnectParam("http://localhost:19530"));

if (!status.IsOk()) {
    std::cout << status.Message() << std::endl;
}

status = client->CreateIndex(milvus::CreateIndexRequest().WithCollectionName("product_catalog")
        .AddIndex(milvus::IndexDesc("category", "category_trie", milvus::IndexType::TRIE)));

if (!status.IsOk()) {
    std::cout << status.Message() << std::endl;
}

import { MilvusClient } from "@zilliz/milvus2-sdk-node";

const client = new MilvusClient({ address: "http://localhost:19530" });

await client.createIndex({
    collection_name: "product_catalog",
    field_name: "category",
    index_type: "TRIE",
    index_name: "category_trie",
});

export CLUSTER_ENDPOINT="http://localhost:19530"
export TOKEN="root:Milvus"

curl --request POST \
--url "${CLUSTER_ENDPOINT}/v2/vectordb/indexes/create" \
--header "Authorization: Bearer ${TOKEN}" \
--header "Content-Type: application/json" \
--header "Request-Timeout: 10" \
-d '{
    "collectionName": "product_catalog",
    "indexParams": [
        {
            "fieldName": "category",
            "indexName": "category_trie",
            "indexType": "TRIE"
        }
    ]
}'

# {
#     "code": 0,
#     "data": {}
# }

由 TRIE 加速的查詢

TRIE 索引可加速針對VARCHAR 欄位的以下篩選模式：

• 等值

  filter = 'category == "books"'
  

• 成員關係

  filter = 'category in ["books", "electronics"]'
  

• 前綴匹配

  filter = 'category LIKE "elec%"'
  

• 範圍

  filter = 'category >= "a" and category < "m"'
  

  範圍評估可能會遍歷多個已建立索引的字串。

後綴、子字串以及一般的LIKE 模式亦可針對索引字串進行評估，但可能需要遍歷許多不同的值。若您的工作負載主要以子字串或正規表達式比對為主，請考慮改用FMINDEX或NGRAM索引。

刪除索引

請使用 `drop_index() ` 方法從集合中移除現有索引。

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

import io.milvus.v2.client.ConnectConfig;
import io.milvus.v2.client.MilvusClientV2;
import io.milvus.v2.service.index.request.DropIndexReq;

MilvusClientV2 client = new MilvusClientV2(ConnectConfig.builder()
        .uri("http://localhost:19530")
        .build());

client.dropIndex(DropIndexReq.builder()
        .collectionName("product_catalog")
        .indexName("category_trie")
        .build());

import (
    "context"
    "log"

    "github.com/milvus-io/milvus/client/v3/milvusclient"
)

ctx := context.Background()

cli, err := milvusclient.New(ctx, &milvusclient.ClientConfig{
    Address: "http://localhost:19530",
})

if err != nil {
    log.Fatal("failed to connect to milvus server: ", err.Error())
}

err = cli.DropIndex(ctx, milvusclient.NewDropIndexOption("product_catalog", "category_trie"))

if err != nil {
    log.Fatal("failed to drop index: ", err.Error())
}

use milvus::v2::prelude::*;

let config = ConnectConfig::new().uri("http://localhost:19530");

let client = ClientV2::new(&config).await?;

client
    .drop_index(
        DropIndexRequest::builder()
            .collection_name("product_catalog")
            .index_name("category_trie")
            .build()?,
    )
    .await?;

#include <iostream>
#include "milvus/MilvusClientV2.h"

auto client = milvus::MilvusClientV2::Create();

auto status = client->Connect(milvus::ConnectParam("http://localhost:19530"));

if (!status.IsOk()) {
    std::cout << status.Message() << std::endl;
}

status = client->DropIndex(milvus::DropIndexRequest()
        .WithCollectionName("product_catalog")
        .WithIndexName("category_trie"));

if (!status.IsOk()) {
    std::cout << status.Message() << std::endl;
}

import { MilvusClient } from "@zilliz/milvus2-sdk-node";

const client = new MilvusClient({ address: "http://localhost:19530" });

await client.dropIndex({
    collection_name: "product_catalog",
    index_name: "category_trie",
});

export CLUSTER_ENDPOINT="http://localhost:19530"
export TOKEN="root:Milvus"

curl --request POST \
--url "${CLUSTER_ENDPOINT}/v2/vectordb/indexes/drop" \
--header "Authorization: Bearer ${TOKEN}" \
--header "Content-Type: application/json" \
--header "Request-Timeout: 10" \
-d '{
    "collectionName": "product_catalog",
    "indexName": "category_trie"
}'

# {
#     "code": 0,
#     "data": {}
# }

使用說明

• 欄位類型：僅適用於VARCHAR 欄位。有關資料類型的更多資訊，請參閱「字串欄位」。

• 參數：無需任何索引參數。

• 模式匹配：對於相等性與前綴篩選，TRIE 的執行速度最快。範圍篩選雖受支援，但可能會遍歷多個已建立索引的字串。後綴、子字串以及一般LIKE 模式皆可進行評估，但可能需要掃描大量已建立索引的字串。

最佳實務

• 當您的篩選條件主要以精確查詢或前綴匹配為主時，請使用TRIE 。

• 若您的工作負載主要依賴子字串（LIKE "%abc%" ）或正規表達式篩選器，請改用FMINDEX進行精確錨點匹配，或使用NGRAM來縮小候選範圍。