比特集
本主题介绍比特集机制，它有助于在 Milvus 中实现属性过滤和删除操作等关键功能。
概述
比特集是一组比特。比特是只有两个可能值的元素，最典型的是0 和1 ，或布尔值true 和false 。在 Milvus 中，比特集是由比特数0 和1 组成的数组，与 ints、浮点数或字符相比，比特集可用于紧凑、高效地表示某些数据。比特数默认为0 ，只有在满足特定要求时才会被设置为1 。
对位集的操作采用布尔逻辑，在布尔逻辑下，输出值要么有效要么无效，也分别用1 和0 表示。例如，逻辑运算符 AND 可用于比较两个基于相同索引位置项的比特集，并根据结果生成一个新的比特集。如果某个位置上的两个项目相同，那么在新的比特集中，1 将写入该位置；如果两个项目不同，0 。
实现
Bitset 是一种简单但功能强大的机制，可帮助 Milvus 执行属性过滤、数据删除和时间旅行查询。
属性过滤
由于比特集只包含两个可能的值，因此非常适合存储属性过滤的结果。符合给定属性筛选要求的数据会以1 标记。
数据删除
比特集是存储段中某一行是否被删除的信息的紧凑方式。删除的实体会在相应的比特集中标记为1 ，在搜索或查询时不会计算。
示例
下面我们将举出三个例子来说明比特集在 Milvus 中的应用，并参考上文讨论的比特集的所有三种主要实现。在所有三个示例中，都有一个包含 8 个实体的段，然后按照下图所示的顺序发生一系列数据操作语言（DML）事件。
- 其中四个实体（其
primary_keys 分别为 [1、2、3、4]）在时间戳ts等于 100 时插入。 - 其余四个实体（其
primary_keys 分别为 [5、6、7、8]）在时间戳ts等于 200 时插入。 - 当时间戳
ts等于 300 时，删除primary_keys 为 [7, 8] 的实体。 - 只有
primary_keys 为 [1, 3, 5, 7] 的实体才满足属性筛选条件。
DML 事件的顺序
情况一
在这种情况下，用户将time_travel 设置为 150，这意味着用户对满足ts = 150 的数据进行查询。比特集生成过程如图 1 所示。
在初始过滤阶段，filter_bitset 应该是[1, 0, 1, 0, 1, 0, 1, 0] ，其中实体 [1, 3, 5, 7] 被标记为1 ，因为它们是有效的过滤结果。
但是，当ts 等于 150 时，实体 [4, 5, 6, 7] 没有插入向量数据库。因此，无论过滤条件如何，这四个实体都应标记为 0。现在比特集的结果应该是[1, 0, 1, 0, 0, 0, 0, 0] 。
正如在数据删除中所述，在搜索或查询过程中，标记为1 的实体将被忽略。现在需要将比特集结果翻转，以便与删除比特图结合，从而得到[0, 1, 0, 1, 1, 1, 1, 1] 。
至于删除位集del_bitset ，初始值应该是[0, 0, 0, 0, 0, 0, 1, 1] 。但是，实体 7 和实体 8 在ts 为 300 时才会删除。因此，当ts 为 150 时，实体 7 和 8 仍然有效。因此，"时间旅行 "后的del_bitset 值为[0, 0, 0, 0, 0, 0, 0, 0] 。
现在，经过时间旅行和属性过滤后，我们有两个比特集：filter_bitset [0, 1, 0, 1, 1, 1, 1, 1] 和del_bitset [0, 0, 0, 0, 0, 0, 0, 0] 。 将这两个比特集与OR 二进制逻辑运算符相结合。result_bitset 的最终值是[0, 1, 0, 1, 1, 1, 1, 1] ，这意味着在接下来的搜索或查询阶段将只计算实体 1 和 3。
图 1.时间旅行 = 150 时的搜索。
案例二
在这种情况下，用户将time_travel 设置为 250。比特集生成过程如图 2 所示。
与情况一一样，初始filter_bitset 是[1, 0, 1, 0, 1, 0, 1, 0] 。
当ts = 250 时，所有实体都在向量数据库中。因此，当我们考虑时间戳因素时，filter_bitset 保持不变。同样，我们需要翻转结果，得到[0, 1, 0, 1, 0, 1, 0, 1] 。
至于删除比特集del_bitset ，初始值是[0, 0, 0, 0, 0, 0, 1, 1] 。但是，实体 7 和实体 8 在ts 为 300 时才被删除。因此，当ts 为 250 时，实体 7 和 8 仍然有效。因此，"时间旅行 "后的del_bitset 是[0, 0, 0, 0, 0, 0, 0, 0] 。
现在，经过时间旅行和属性过滤后，我们有两个比特集：filter_bitset [0, 1, 0, 1, 0, 1, 0, 1] 和del_bitset [0, 0, 0, 0, 0, 0, 0, 0] 。使用OR 二进制逻辑运算符将这两个比特集合并。结果_比特集是[0, 1, 0, 1, 0, 1, 0, 1] 。也就是说，在接下来的搜索或查询阶段，将只计算实体 [1, 3, 5, 7]。
图 2.时间旅行 = 250 时的搜索
情况三
在这种情况下，用户将time_travel 设置为 350。比特集生成过程如图 3 所示。
与前面的情况一样，初始filter_bitset 是[0, 1, 0, 1, 0, 1, 0, 1] 。
当ts= 350 时，所有实体都在向量数据库中。因此，最终翻转后的filter_bitset 是[0, 1, 0, 1, 0, 1, 0, 1] ，与案例二相同。
至于删除比特集del_bitset ，由于ts = 350 时已经删除了实体 7 和 8，因此del_bitset 的结果是[0, 0, 0, 0, 0, 0, 1, 1] 。
现在，经过时间旅行和属性过滤后，我们有两个比特集：filter_bitset [0, 1, 0, 1, 0, 1, 0, 1] 和del_bitset [0, 0, 0, 0, 0, 0, 1, 1] 。 将这两个比特集与OR 二进制逻辑运算符相结合。最终的result_bitset 是[0, 1, 0, 1, 0, 1, 1, 1] 。也就是说，在接下来的搜索或查询阶段，将只计算实体 [1, 3, 5]。
图 3.时间旅行 = 350 的搜索
下一步
既然你已经知道比特集在 Milvus 中是如何工作的，那么你可能还想
