管理收藏集
本指南将指导您使用所选的 SDK 创建和管理 Collections。
开始之前
概述
在 Milvus 中,您可以将向量嵌入存储在 Collections 中。一个 Collections 中的所有向量嵌入都具有相同的维度和距离度量相似性。
Milvus Collections 支持动态字段(即 Schema 中未预定义的字)和主键的自动递增。
为了适应不同的偏好,Milvus 提供了两种创建 Collections 的方法。其中一种提供快速设置,其他则允许对 Collections 模式和索引参数进行详细定制。
此外,你还可以在必要时查看、加载、释放和删除一个 Collection。
创建 Collections
您可以通过以下任一方式创建 Collections:
快速设置
在这种方式下,只需给集合命名并指定要存储在此集合中的向量嵌入的维数,即可创建集合。详情请参阅快速设置。
自定义设置
与让 In Milvus 为你的 Collections 决定几乎所有事情不同,你可以自己决定 Collections 的Schema和索引参数。详情请参阅自定义设置。
快速设置
在人工智能行业大跃进的背景下,大多数开发人员只需要一个简单而又充满活力的 Collections 就可以开始使用了。Milvus 只需三个参数就能快速设置这样的 Collections:
要创建的 Collections 名称、
要插入的向量 Embeddings 的维度,以及
用于衡量向量嵌入之间相似性的度量类型。
为了快速设置,请使用 create_collection()
方法 MilvusClient
类的方法创建一个具有指定名称和维度的 Collection。
如需快速设置,请使用 createCollection()
方法创建一个具有指定名称和维度的集合。 MilvusClientV2
类的方法创建一个具有指定名称和维度的 Collection。
快速设置时,使用 createCollection()
方法创建一个具有指定名称和维度的集合。 MilvusClient
类的方法创建一个具有指定名称和维度的 Collection。
如需快速设置,请使用 POST /v2/vectordb/collections/create
API 端点创建具有指定名称和维度的 Collection。
from pymilvus import MilvusClient, DataType
# 1. Set up a Milvus client
client = MilvusClient(
uri="http://localhost:19530"
)
# 2. Create a collection in quick setup mode
client.create_collection(
collection_name="quick_setup",
dimension=5
)
res = client.get_load_state(
collection_name="quick_setup"
)
print(res)
# Output
#
# {
# "state": "<LoadState: Loaded>"
# }
import io.milvus.v2.client.ConnectConfig;
import io.milvus.v2.client.MilvusClientV2;
import io.milvus.v2.service.collection.request.GetLoadStateReq;
import io.milvus.v2.service.collection.request.CreateCollectionReq;
String CLUSTER_ENDPOINT = "http://localhost:19530";
// 1. Connect to Milvus server
ConnectConfig connectConfig = ConnectConfig.builder()
.uri(CLUSTER_ENDPOINT)
.build();
MilvusClientV2 client = new MilvusClientV2(connectConfig);
// 2. Create a collection in quick setup mode
CreateCollectionReq quickSetupReq = CreateCollectionReq.builder()
.collectionName("quick_setup")
.dimension(5)
.build();
client.createCollection(quickSetupReq);
// Thread.sleep(5000);
GetLoadStateReq quickSetupLoadStateReq = GetLoadStateReq.builder()
.collectionName("quick_setup")
.build();
Boolean res = client.getLoadState(quickSetupLoadStateReq);
System.out.println(res);
// Output:
// true
address = "http://localhost:19530"
// 1. Set up a Milvus Client
client = new MilvusClient({address});
// 2. Create a collection in quick setup mode
let res = await client.createCollection({
collection_name: "quick_setup",
dimension: 5,
});
console.log(res.error_code)
// Output
//
// Success
//
res = await client.getLoadState({
collection_name: "quick_setup"
})
console.log(res.state)
// Output
//
// LoadStateLoaded
//
$ export MILVUS_URI="localhost:19530"
$ curl -X POST "http://${MILVUS_URI}/v2/vectordb/collections/create" \
-H "Content-Type: application/json" \
-d '{
"collectionName": "quick_setup",
"dimension": 5
}'
# Output
#
# {
# "code": 0,
# "data": {},
# }
$ curl -X POST "http://${MILVUS_URI}/v2/vectordb/collections/get_load_state" \
-H "Content-Type: application/json" \
-d '{
"collectionName": "quick_setup"
}'
# {
# "code": 0,
# "data": {
# "loadProgress": 100,
# "loadState": "LoadStateLoaded"
# }
# }
上述代码生成的 Collections 只包含两个字段:id
(作为主键)和vector
(作为向量字段),默认情况下启用auto_id
和enable_dynamic_field
设置。
auto_id
启用该设置可确保主键自动递增。数据插入时无需手动提供主键。
enable_dynamic_field
启用后,待插入数据中除
id
和vector
之外的所有字段都会被视为动态字段。这些附加字段以键值对的形式保存在一个名为$meta
的特殊字段中。此功能允许在插入数据时包含额外字段。
从提供的代码中自动索引和加载的 Collections 可以立即插入数据。
自定义设置
与其让 Milvus 为你的 Collections 决定几乎一切,你可以自己决定 Collections 的Schema和索引参数。
第 1 步:设置 Schema
Schema 定义了 Collections 的结构。在 Schema 中,您可以选择启用或禁用enable_dynamic_field
、添加预定义字段以及为每个字段设置属性。有关概念和可用数据类型的详细解释,请参阅Schema Explained。
要设置模式,请使用 create_schema()
创建模式对象,并使用 add_field()
为模式添加字段。
要设置模式,使用 createSchema()
创建模式对象,并使用 addField()
为模式添加字段。
要设置模式,使用 createCollection()
.
要设置模式,您需要定义一个 JSON 对象,该对象应遵循模式格式,如 POST /v2/vectordb/collections/create
API 端点参考页面上显示的模式格式定义一个 JSON 对象。
# 3. Create a collection in customized setup mode
# 3.1. Create schema
schema = MilvusClient.create_schema(
auto_id=False,
enable_dynamic_field=True,
)
# 3.2. Add fields to schema
schema.add_field(field_name="my_id", datatype=DataType.INT64, is_primary=True)
schema.add_field(field_name="my_vector", datatype=DataType.FLOAT_VECTOR, dim=5)
import io.milvus.v2.common.DataType;
import io.milvus.v2.service.collection.request.CreateCollectionReq;
// 3. Create a collection in customized setup mode
// 3.1 Create schema
CreateCollectionReq.CollectionSchema schema = client.createSchema();
// 3.2 Add fields to schema
schema.addField(AddFieldReq.builder()
.fieldName("my_id")
.dataType(DataType.Int64)
.isPrimaryKey(true)
.autoID(false)
.build());
schema.addField(AddFieldReq.builder()
.fieldName("my_vector")
.dataType(DataType.FloatVector)
.dimension(5)
.build());
// 3. Create a collection in customized setup mode
// 3.1 Define fields
const fields = [
{
name: "my_id",
data_type: DataType.Int64,
is_primary_key: true,
auto_id: false
},
{
name: "my_vector",
data_type: DataType.FloatVector,
dim: 5
},
]
export fields='[{ \
"fieldName": "my_id", \
"dataType": "Int64", \
"isPrimary": true \
}, \
{ \
"fieldName": "my_vector", \
"dataType": "FloatVector", \
"elementTypeParams": { \
"dim": 5 \
} \
}]'
参数 | 参数 |
---|---|
auto_id |
确定主字段是否自动递增。 设置为True 时,主字段将自动递增。在这种情况下,主字段不应包含在要插入的数据中,以免出错。自动生成的 ID 有固定长度,不能更改。 |
enable_dynamic_field |
决定如果插入到目标 Collections 的数据包括未在 Collections 模式中定义的字段,Milvus 是否将未定义字段的值保存在动态字段中。 设置为 "true"时,Milvus 将创建一个名为$meta的字段,用于保存插入数据中的任何未定义字段及其值。 |
field_name |
字段的名称。 |
datatype |
字段的数据类型。有关可用数据类型的列表,请参阅数据类型。 |
is_primary |
当前字段是否为集合中的主字段。 每个集合只有一个主字段。主字段应为DataType.INT64类型或DataType.VARCHAR类型。 |
dim |
向量 Embeddings 的维数。 对于DataType.FLOAT_VECTOR、DataType.BINARY _VECTOR、DataType .FLOAT16_VECTOR 或DataType.BFLOAT16_VECTOR类型的字段,这是必填项。如果使用DataType.SPARSE_FLOAT_VECTOR,请省略此参数。 |
参数 | 说明 |
---|---|
fieldName |
字段的名称。 |
dataType |
字段的数据类型。有关可用数据类型的列表,请参阅DataType。 |
isPrimaryKey |
当前字段是否为集合中的主字段。 每个集合只有一个主字段。主字段应为DataType.Int64类型或DataType.VarChar类型。 |
autoID |
是否允许主字段自动递增。 设置为true 时,主字段将自动递增。在这种情况下,主字段不应包含在要插入的数据中,以免出错。 |
dimension |
向量 Embeddings 的维数。 对于DataType.FloatVector、DataType.BinaryVector、DataType .Float16Vector 或DataType.BFloat16Vector类型的字段,此项为必填项。 |
参数 | 字段名称。 |
---|---|
name |
字段的名称。 |
data_type |
字段的数据类型。有关所有可用数据类型的枚举,请参阅DataType。 |
is_primary_key |
当前字段是否为集合中的主字段。 每个集合只有一个主字段。主字段应为DataType.INT64类型或DataType.VARCHAR类型。 |
auto_id |
主字段是否会在数据插入此 Collections 时自动递增。 默认值为 "假"。设置为True 时,主字段将自动递增。如果需要使用自定义 Schema 设置 Collections,请跳过该参数。 |
dim |
保存向量嵌入的 Collections 字段的维度。 该值应为大于 1 的整数,通常由用于生成向量嵌入的模型决定。 |
参数 | 描述 |
---|---|
fieldName |
要在目标 Collections 中创建的字段名称。 |
dataType |
字段值的数据类型。 |
isPrimary |
当前字段是否为主字段。将其设置为True 后,当前字段就是主字段。 |
elementTypeParams |
额外字段参数。 |
dim |
FloatVector 或 BinaryVector 字段的可选参数,用于确定向量维度。 |
第二步:设置索引参数
索引参数决定了 Milvus 如何在 Collections 中组织数据。您可以通过调整metric_type
和index_type
来定制特定字段的索引过程。对于向量字段,您可以根据所处理的向量类型,灵活选择COSINE
,L2
,IP
,HAMMING
或JACCARD
作为metric_type
。更多信息,请参阅 "相似度指标"。
要设置索引参数,请使用 prepare_index_params()
准备索引参数,并使用 add_index()
来添加索引。
要设置索引参数,请使用IndexParam。
要设置索引参数,请使用 createIndex()
.
要设置索引参数,需要定义一个 JSON 对象,该对象应遵循 POST /v2/vectordb/collections/create
API 端点参考页面上显示的索引参数格式定义一个 JSON 对象。
# 3.3. Prepare index parameters
index_params = client.prepare_index_params()
# 3.4. Add indexes
index_params.add_index(
field_name="my_id",
index_type="STL_SORT"
)
index_params.add_index(
field_name="my_vector",
index_type="IVF_FLAT",
metric_type="IP",
params={ "nlist": 128 }
)
import io.milvus.v2.common.IndexParam;
// 3.3 Prepare index parameters
IndexParam indexParamForIdField = IndexParam.builder()
.fieldName("my_id")
.indexType(IndexParam.IndexType.STL_SORT)
.build();
IndexParam indexParamForVectorField = IndexParam.builder()
.fieldName("my_vector")
.indexType(IndexParam.IndexType.IVF_FLAT)
.metricType(IndexParam.MetricType.L2)
.extraParams(Map.of("nlist", 1024))
.build();
List<IndexParam> indexParams = new ArrayList<>();
indexParams.add(indexParamForIdField);
indexParams.add(indexParamForVectorField);
// 3.2 Prepare index parameters
const index_params = [{
field_name: "my_id",
index_type: "STL_SORT"
},{
field_name: "my_vector",
index_type: "IVF_FLAT",
metric_type: "IP",
params: { nlist: 1024}
}]
export indexParams='[{ \
"fieldName": "my_id", \
"indexName": "my_id", \
"params": { \
"index_type": "SLT_SORT" \
} \
}, { \
"fieldName": "my_vector", \
"metricType": "COSINE", \
"indexName": "my_vector", \
"params": { \
"index_type": "IVF_FLAT", \
"nlist": 1024 \
} \
}]'
参数 | 说明 |
---|---|
field_name |
应用此对象的目标文件名称。 |
index_type |
用于在特定字段中排列数据的算法名称。有关适用算法,请参阅内存索引和磁盘索引。 |
metric_type |
用于衡量向量间相似性的算法。可能的值有IP、L2、COSINE、JACCARD、HAMMING。只有指定字段为向量字段时才可用。更多信息,请参阅Milvus 支持的索引。 |
params |
指定索引类型的微调参数。有关可能的键和值范围的详细信息,请参阅内存索引。 |
参数 | 说明 |
---|---|
fieldName |
应用此 IndexParam 对象的目标字段的名称。 |
indexType |
用于在特定字段中排列数据的算法名称。有关适用算法,请参阅内存索引和磁盘索引。 |
metricType |
索引使用的距离度量。可能的值有IP、L2、COSINE、JACCARD、HAMMING。 |
extraParams |
额外的索引参数。有关详情,请参阅内存索引和磁盘索引。 |
参数 | 说明 |
---|---|
field_name |
要创建索引的目标字段的名称。 |
index_type |
用于在特定字段中排列数据的算法名称。有关适用算法,请参阅内存索引和磁盘索引。 |
metric_type |
用于衡量向量间相似性的算法。可能的值有IP、L2、COSINE、JACCARD、HAMMING。只有指定字段为向量字段时才可用。更多信息,请参阅Milvus 支持的索引。 |
params |
指定索引类型的微调参数。有关可能的键和值范围的详细信息,请参阅内存索引。 |
参数 | 说明 |
---|---|
fieldName |
要创建索引的目标字段的名称。 |
indexName |
要创建的索引的名称。默认值为目标字段名称。 |
metricType |
用于衡量向量间相似性的算法。可能的值有IP、L2、COSINE、JACCARD、HAMMING。只有当指定字段是向量字段时才可用。更多信息,请参阅Milvus 支持的索引。 |
params |
索引类型和相关设置。详情请参阅内存索引。 |
params.index_type |
要创建的索引类型。 |
params.nlist |
群集单元数。这适用于与 IVF 相关的索引类型。 |
上面的代码片段演示了如何分别为向量场和标量场设置索引参数。对于向量场,同时设置度量类型和索引类型。对于标量字段,只需设置索引类型。建议为向量场和任何经常用于筛选的标量场创建索引。
第 3 步:创建 Collections
你可以选择分别创建 Collections 和索引文件,或者在创建 Collections 时同时加载索引。
使用create_collection()以指定的 Schema 和索引参数创建集合,并使用get_load_state()检查集合的加载状态。
使用createCollection()以指定的 Schema 和索引参数创建集合,并使用getLoadState()检查集合的加载状态。
使用createCollection()以指定的 Schema 和索引参数创建集合,并使用getLoadState()检查集合的加载状态。
创建集合时同时加载索引。
# 3.5. Create a collection with the index loaded simultaneously client.create_collection( collection_name="customized_setup_1", schema=schema, index_params=index_params ) time.sleep(5) res = client.get_load_state( collection_name="customized_setup_1" ) print(res) # Output # # { # "state": "<LoadState: Loaded>" # }
import io.milvus.v2.service.collection.request.CreateCollectionReq; import io.milvus.v2.service.collection.request.GetLoadStateReq; // 3.4 Create a collection with schema and index parameters CreateCollectionReq customizedSetupReq1 = CreateCollectionReq.builder() .collectionName("customized_setup_1") .collectionSchema(schema) .indexParams(indexParams) .build(); client.createCollection(customizedSetupReq1); // Thread.sleep(5000); // 3.5 Get load state of the collection GetLoadStateReq customSetupLoadStateReq1 = GetLoadStateReq.builder() .collectionName("customized_setup_1") .build(); res = client.getLoadState(customSetupLoadStateReq1); System.out.println(res); // Output: // true
// 3.3 Create a collection with fields and index parameters res = await client.createCollection({ collection_name: "customized_setup_1", fields: fields, index_params: index_params, }) console.log(res.error_code) // Output // // Success // res = await client.getLoadState({ collection_name: "customized_setup_1" }) console.log(res.state) // Output // // LoadStateLoaded //
$ curl -X POST "http://${MILVUS_URI}/v2/vectordb/collections/create" \ -H "Content-Type: application/json" \ -d '{ "collectionName": "customized_setup_1", "schema": { "autoId": false, "enabledDynamicField": false, "fields": [ { "fieldName": "my_id", "dataType": "Int64", "isPrimary": true }, { "fieldName": "my_vector", "dataType": "FloatVector", "elementTypeParams": { "dim": "5" } } ] }, "indexParams": [ { "fieldName": "my_vector", "metricType": "COSINE", "indexName": "my_vector", "params": { "index_type": "IVF_FLAT", "nlist": "1024" } }, { "fieldName": "my_id", "indexName": "my_id", "params": { "index_type": "STL_SORT" } } ] }' # Output # # { # "code": 0, # "data": {}, # } $ curl -X POST "http://${MILVUS_URI}/v2/vectordb/collections/get_load_state" \ -H "Content-Type: application/json" \ -d '{ "collectionName": "customized_setup_1" }' # { # "code": 0, # "data": { # "loadProgress": 100, # "loadState": "LoadStateLoaded" # } # }
上面创建的 Collection 会自动加载。要了解加载和释放集合的更多信息,请参阅加载和释放集合。
分别创建 Collections 和索引文件。
# 3.6. Create a collection and index it separately client.create_collection( collection_name="customized_setup_2", schema=schema, ) res = client.get_load_state( collection_name="customized_setup_2" ) print(res) # Output # # { # "state": "<LoadState: NotLoad>" # }
// 3.6 Create a collection and index it separately CreateCollectionReq customizedSetupReq2 = CreateCollectionReq.builder() .collectionName("customized_setup_2") .collectionSchema(schema) .build(); client.createCollection(customizedSetupReq2);
// 3.4 Create a collection and index it seperately res = await client.createCollection({ collection_name: "customized_setup_2", fields: fields, }) console.log(res.error_code) // Output // // Success // res = await client.getLoadState({ collection_name: "customized_setup_2" }) console.log(res.state) // Output // // LoadStateNotLoad //
$ curl -X POST "http://${MILVUS_URI}/v2/vectordb/collections/create" \ -H "Content-Type: application/json" \ -d '{ "collectionName": "customized_setup_2", "schema": { "autoId": false, "enabledDynamicField": false, "fields": [ { "fieldName": "my_id", "dataType": "Int64", "isPrimary": true }, { "fieldName": "my_vector", "dataType": "FloatVector", "elementTypeParams": { "dim": "5" } } ] } }' # Output # # { # "code": 0, # "data": {}, # } $ curl -X POST "http://${MILVUS_URI}/v2/vectordb/collections/get_load_state" \ -H "Content-Type: application/json" \ -d '{ "collectionName": "customized_setup_2" }' # { # "code": 0, # "data": { # "loadState": "LoadStateNotLoaded" # } # }
上面创建的 Collection 不会自动加载。您可以按如下方式为 Collections 创建索引。以单独的方式为 Collection 创建索引不会自动加载 Collection。有关详细信息,请参阅加载和释放 Collections。
参数 说明 collection_name
Collection 的名称。 schema
此 Collection 的 Schema。
设置为 "无 "表示将使用默认设置创建此 Collection。
要使用自定义Schema设置 Collection,需要创建一个CollectionSchema对象并在此处引用它。在这种情况下,Milvus 会忽略请求中携带的所有其他 Schema 相关设置。index_params
在此 Collections 中建立向量字段索引的参数。要使用自定义 Schema 设置集合并自动将集合加载到内存中,需要创建一个 IndexParams 对象并在此处引用。
至少应为此集合中的向量字段添加一个索引。如果希望稍后再设置索引参数,也可以跳过此参数。参数 说明 collectionName
Collections 的名称。 collectionSchema
此 Collection 的 Schema。
留空表示将以默认设置创建此 Collection。要使用自定义模式设置集合,需要创建一个CollectionSchema对象并在此处引用。indexParams
在此 Collection 中建立向量场索引的参数。要使用自定义 Schema 设置集合并自动将集合加载到内存中,需要创建一个包含 IndexParam 对象列表的IndexParams对象,并在此处引用该对象。 参数 说明 collection_name
Collections 的名称。 fields
Collections 中的字段。 index_params
要创建的 Collections 的索引参数。 参数 说明 collectionName
Collections 的名称。 schema
Schema 负责组织目标 Collections 中的数据。一个有效的 Schema 应该有多个字段,其中必须包括一个主键、一个向量字段和几个标量字段。 schema.autoID
是否允许主字段自动递增。设置为 True 时,主字段将自动递增。在这种情况下,主字段不应包含在要插入的数据中,以免出错。在 is_primary 设置为 True 的字段中设置此参数。 schema.enableDynamicField
是否允许使用保留的 $meta 字段来保存键值对中的非 Schema 定义字段。 fields
字段对象列表。 fields.fieldName
要在目标 Collections 中创建的字段名称。 fields.dataType
字段值的数据类型。 fields.isPrimary
当前字段是否为主字段。设置为 True 时,当前字段将为主字段。 fields.elementTypeParams
额外字段参数。 fields.elementTypeParams.dim
FloatVector 或 BinaryVector 字段的可选参数,用于确定向量维度。 上面创建的 Collection 不会自动加载。您可以按以下方法为 Collections 创建索引。以单独方式为集合创建索引不会自动加载集合。有关详细信息,请参阅加载和释放集合。
# 3.6 Create index client.create_index( collection_name="customized_setup_2", index_params=index_params ) res = client.get_load_state( collection_name="customized_setup_2" ) print(res) # Output # # { # "state": "<LoadState: NotLoad>" # }
CreateIndexReq createIndexReq = CreateIndexReq.builder() .collectionName("customized_setup_2") .indexParams(indexParams) .build(); client.createIndex(createIndexReq); // Thread.sleep(1000); // 3.7 Get load state of the collection GetLoadStateReq customSetupLoadStateReq2 = GetLoadStateReq.builder() .collectionName("customized_setup_2") .build(); res = client.getLoadState(customSetupLoadStateReq2); System.out.println(res); // Output: // false
// 3.5 Create index res = await client.createIndex({ collection_name: "customized_setup_2", field_name: "my_vector", index_type: "IVF_FLAT", metric_type: "IP", params: { nlist: 1024} }) res = await client.getLoadState({ collection_name: "customized_setup_2" }) console.log(res.state) // Output // // LoadStateNotLoad //
$ curl -X POST "http://${MILVUS_URI}/v2/vectordb/indexes/create" \ -H "Content-Type: application/json" \ -d '{ "collectionName": "customized_setup_2", "indexParams": [ { "metricType": "L2", "fieldName": "my_vector", "indexName": "my_vector", "indexConfig": { "index_type": "IVF_FLAT", "nlist": "1024" } } ] }' # Output # # { # "code": 0, # "data": {}, # } $ curl -X POST "http://${MILVUS_URI}/v2/vectordb/collections/get_load_state" \ -H "Content-Type: application/json" \ -d '{ "collectionName": "customized_setup_2" }' # { # "code": 0, # "data": { # "loadState": "LoadStateNotLoaded" # } # }
参数 说明 collection_name
Collections 的名称。 index_params
IndexParams对象,包含一个IndexParam对象列表。
参数 | 说明 |
---|---|
collectionName |
Collections 名称。 |
indexParams |
IndexParam对象列表。 |
参数 | 说明 |
---|---|
collection_name |
Collections 的名称。 |
field_name |
要创建索引的字段名称。 |
index_type |
用于在特定字段中排列数据的算法名称。有关适用算法,请参阅内存索引和磁盘索引。 |
metric_type |
用于衡量向量间相似性的算法。可能的值有IP、L2、COSINE、JACCARD、HAMMING。只有指定字段为向量字段时才可用。更多信息,请参阅Milvus 支持的索引。 |
params |
指定索引类型的微调参数。有关可能的键和值范围的详细信息,请参阅内存索引。 |
参数 | 说明 |
---|---|
collectionName |
Collections 的名称。 |
indexParams |
要创建的 Collection 的索引参数。 |
indexParams.metricType |
用于建立索引的相似度度量类型。默认值为 COSINE。 |
indexParams.fieldName |
要创建索引的目标字段的名称。 |
indexParams.indexName |
要创建的索引的名称,值默认为目标字段名称。 |
indexParams.indexConfig.index_type |
要创建的索引类型。 |
indexParams.indexConfig.nlist |
群集单元数。这适用于与 IVF 相关的索引类型。 |
查看集合
要查看现有集合的详细信息,请使用describe_collection()。
要查看现有集合的详细信息,请使用describeCollection()。
要查看现有集合的详细信息,请使用describeCollection()。
要查看 Collections 的定义,可以使用 POST /v2/vectordb/collections/describe
和 POST /v2/vectordb/collections/list
API 端点查看集合的定义。
# 5. View Collections
res = client.describe_collection(
collection_name="customized_setup_2"
)
print(res)
# Output
#
# {
# "collection_name": "customized_setup_2",
# "auto_id": false,
# "num_shards": 1,
# "description": "",
# "fields": [
# {
# "field_id": 100,
# "name": "my_id",
# "description": "",
# "type": 5,
# "params": {},
# "element_type": 0,
# "is_primary": true
# },
# {
# "field_id": 101,
# "name": "my_vector",
# "description": "",
# "type": 101,
# "params": {
# "dim": 5
# },
# "element_type": 0
# }
# ],
# "aliases": [],
# "collection_id": 448143479230158446,
# "consistency_level": 2,
# "properties": {},
# "num_partitions": 1,
# "enable_dynamic_field": true
# }
import io.milvus.v2.service.collection.request.DescribeCollectionReq;
import io.milvus.v2.service.collection.response.DescribeCollectionResp;
// 4. View collections
DescribeCollectionReq describeCollectionReq = DescribeCollectionReq.builder()
.collectionName("customized_setup_2")
.build();
DescribeCollectionResp describeCollectionRes = client.describeCollection(describeCollectionReq);
System.out.println(JSONObject.toJSON(describeCollectionRes));
// Output:
// {
// "createTime": 449005822816026627,
// "collectionSchema": {"fieldSchemaList": [
// {
// "autoID": false,
// "dataType": "Int64",
// "name": "my_id",
// "description": "",
// "isPrimaryKey": true,
// "maxLength": 65535,
// "isPartitionKey": false
// },
// {
// "autoID": false,
// "dataType": "FloatVector",
// "name": "my_vector",
// "description": "",
// "isPrimaryKey": false,
// "dimension": 5,
// "maxLength": 65535,
// "isPartitionKey": false
// }
// ]},
// "vectorFieldName": ["my_vector"],
// "autoID": false,
// "fieldNames": [
// "my_id",
// "my_vector"
// ],
// "description": "",
// "numOfPartitions": 1,
// "primaryFieldName": "my_id",
// "enableDynamicField": true,
// "collectionName": "customized_setup_2"
// }
// 5. View Collections
res = await client.describeCollection({
collection_name: "customized_setup_2"
})
console.log(res)
// Output
//
// {
// virtual_channel_names: [ 'by-dev-rootcoord-dml_13_449007919953017716v0' ],
// physical_channel_names: [ 'by-dev-rootcoord-dml_13' ],
// aliases: [],
// start_positions: [],
// properties: [],
// status: {
// extra_info: {},
// error_code: 'Success',
// reason: '',
// code: 0,
// retriable: false,
// detail: ''
// },
// schema: {
// fields: [ [Object], [Object] ],
// properties: [],
// name: 'customized_setup_2',
// description: '',
// autoID: false,
// enable_dynamic_field: false
// },
// collectionID: '449007919953017716',
// created_timestamp: '449024569603784707',
// created_utc_timestamp: '1712892797866',
// shards_num: 1,
// consistency_level: 'Bounded',
// collection_name: 'customized_setup_2',
// db_name: 'default',
// num_partitions: '1'
// }
//
curl -X POST "http://${MILVUS_URI}/v2/vectordb/collections/describe" \
-H "Content-Type: application/json" \
-d '{
"dbName": "default",
"collectionName": "test_collection"
}'
# {
# "code": 0,
# "data": {
# "aliases": [],
# "autoId": false,
# "collectionID": 448707763883002014,
# "collectionName": "test_collection",
# "consistencyLevel": "Bounded",
# "description": "",
# "enableDynamicField": true,
# "fields": [
# {
# "autoId": false,
# "description": "",
# "id": 100,
# "name": "id",
# "partitionKey": false,
# "primaryKey": true,
# "type": "Int64"
# },
# {
# "autoId": false,
# "description": "",
# "id": 101,
# "name": "vector",
# "params": [
# {
# "key": "dim",
# "value": "5"
# }
# ],
# "partitionKey": false,
# "primaryKey": false,
# "type": "FloatVector"
# }
# ],
# "indexes": [
# {
# "fieldName": "vector",
# "indexName": "vector",
# "metricType": "COSINE"
# }
# ],
# "load": "LoadStateLoaded",
# "partitionsNum": 1,
# "properties": [],
# "shardsNum": 1
# }
# }
要列出所有现有的 Collections,可以按以下方式操作:
# 6. List all collection names
res = client.list_collections()
print(res)
# Output
#
# [
# "customized_setup_2",
# "quick_setup",
# "customized_setup_1"
# ]
import io.milvus.v2.service.collection.response.ListCollectionsResp;
// 5. List all collection names
ListCollectionsResp listCollectionsRes = client.listCollections();
System.out.println(listCollectionsRes.getCollectionNames());
// Output:
// [
// "customized_setup_2",
// "quick_setup",
// "customized_setup_1"
// ]
// 5. List all collection names
ListCollectionsResp listCollectionsRes = client.listCollections();
System.out.println(listCollectionsRes.getCollectionNames());
// Output:
// [
// "customized_setup_1",
// "quick_setup",
// "customized_setup_2"
// ]
$ curl -X POST "http://${MILVUS_URI}/v2/vectordb/collections/list" \
-H "Content-Type: application/json" \
-d '{
"dbName": "default"
}'
# {
# "code": 0,
# "data": [
# "quick_setup",
# "customized_setup_1",
# "customized_setup_2"
# ]
# }
加载和释放 Collections
在加载 Collection 的过程中,Milvus 会将 Collection 的索引文件加载到内存中。相反,在释放 Collections 时,Milvus 会从内存中卸载索引文件。在某个 Collection 中进行搜索之前,请确保该 Collection 已加载。
加载 Collections
要加载一个 Collection,请使用 load_collection()
方法,指定 Collections 名称。还可以设置replica_number
,以确定加载 Collections 时在查询节点上创建多少个数据段内存副本。
- Milvus Standalone:
replica_number
的最大允许值为 1。 - Milvus 群集:最大值不应超过 Milvus 配置中设置的
queryNode.replicas
。有关其他详细信息,请参阅查询节点相关配置。
要加载一个 Collection,请使用 loadCollection()
方法,指定 Collections 名称。
要加载 Collections,请使用 loadCollection()
方法,指定 Collections 名称。
要加载一个 Collection,可以使用 POST /v2/vectordb/collections/load
和 POST /v2/vectordb/collections/get_load_state
API 端点。
# 7. Load the collection
client.load_collection(
collection_name="customized_setup_2",
replica_number=1 # Number of replicas to create on query nodes. Max value is 1 for Milvus Standalone, and no greater than `queryNode.replicas` for Milvus Cluster.
)
res = client.get_load_state(
collection_name="customized_setup_2"
)
print(res)
# Output
#
# {
# "state": "<LoadState: Loaded>"
# }
import io.milvus.v2.service.collection.request.LoadCollectionReq;
// 6. Load the collection
LoadCollectionReq loadCollectionReq = LoadCollectionReq.builder()
.collectionName("customized_setup_2")
.build();
client.loadCollection(loadCollectionReq);
// Thread.sleep(5000);
// 7. Get load state of the collection
GetLoadStateReq loadStateReq = GetLoadStateReq.builder()
.collectionName("customized_setup_2")
.build();
res = client.getLoadState(loadStateReq);
System.out.println(res);
// Output:
// true
// 7. Load the collection
res = await client.loadCollection({
collection_name: "customized_setup_2"
})
console.log(res.error_code)
// Output
//
// Success
//
await sleep(3000)
res = await client.getLoadState({
collection_name: "customized_setup_2"
})
console.log(res.state)
// Output
//
// LoadStateLoaded
//
$ curl -X POST "http://${MILVUS_URI}/v2/vectordb/collections/load" \
-H "Content-Type: application/json" \
-d '{
"collectionName": "customized_setup_2"
}'
# Output
#
# {
# "code": 0,
# "data": {},
# }
$ curl -X POST "http://${MILVUS_URI}/v2/vectordb/collections/get_load_state" \
-H "Content-Type: application/json" \
-d '{
"collectionName": "customized_setup_2"
}'
# {
# "code": 0,
# "data": {
# "loadProgress": 100,
# "loadState": "LoadStateLoaded"
# }
# }
部分加载 Collections(公开预览版)
此功能目前处于公开预览阶段。应用程序接口和功能将来可能会更改。
收到加载请求后,Milvus 会将所有向量字段索引和所有标量字段数据加载到内存中。如果某些字段不参与搜索和查询,您可以将其排除在加载之外,以减少内存使用,提高搜索性能。
# 7. Load the collection
client.load_collection(
collection_name="customized_setup_2",
load_fields=["my_id", "my_vector"], # Load only the specified fields
skip_load_dynamic_field=True # Skip loading the dynamic field
)
res = client.get_load_state(
collection_name="customized_setup_2"
)
print(res)
# Output
#
# {
# "state": "<LoadState: Loaded>"
# }
请注意,只有load_fields
中列出的字段才能用作搜索和查询的筛选条件和输出字段。列表中应始终包含主键。不加载的字段名将不能用于筛选或输出。
可以使用skip_load_dynamic_field=True
跳过加载动态字段。Milvus 将动态字段视为单个字段,因此动态字段中的所有键将一起被包含或排除。
释放 Collections
要释放一个 Collections,请使用 release_collection()
方法,并指定 Collections 名称。
要释放 Collections,请使用 releaseCollection()
方法,指定 Collections 名称。
要释放一个 Collection,请使用 releaseCollection()
方法,指定 Collections 名称。
要释放一个 Collection,可以使用 POST /v2/vectordb/collections/release
和 POST /v2/vectordb/collections/get_load_state
API 端点。
# 8. Release the collection
client.release_collection(
collection_name="customized_setup_2"
)
res = client.get_load_state(
collection_name="customized_setup_2"
)
print(res)
# Output
#
# {
# "state": "<LoadState: NotLoad>"
# }
import io.milvus.v2.service.collection.request.ReleaseCollectionReq;
// 8. Release the collection
ReleaseCollectionReq releaseCollectionReq = ReleaseCollectionReq.builder()
.collectionName("customized_setup_2")
.build();
client.releaseCollection(releaseCollectionReq);
// Thread.sleep(1000);
res = client.getLoadState(loadStateReq);
System.out.println(res);
// Output:
// false
// 8. Release the collection
res = await client.releaseCollection({
collection_name: "customized_setup_2"
})
console.log(res.error_code)
// Output
//
// Success
//
res = await client.getLoadState({
collection_name: "customized_setup_2"
})
console.log(res.state)
// Output
//
// LoadStateNotLoad
//
$ curl -X POST "http://${MILVUS_URI}/v2/vectordb/collections/release" \
-H "Content-Type: application/json" \
-d '{
"collectionName": "customized_setup_2"
}'
# Output
#
# {
# "code": 0,
# "data": {},
# }
$ curl -X POST "http://${MILVUS_URI}/v2/vectordb/collections/get_load_state" \
-H "Content-Type: application/json" \
-d '{
"collectionName": "customized_setup_2"
}'
# {
# "code": 0,
# "data": {
# "loadState": "LoadStateNotLoad"
# }
# }
设置别名
您可以为集合指定别名,使它们在特定上下文中更有意义。您可以为一个 Collection 指定多个别名,但多个 Collection 不能共享一个别名。
创建别名
要创建别名,请使用 create_alias()
方法,指定 Collections 名称和别名。
要创建别名,请使用 createAlias()
方法,指定 Collections 名称和别名。
要创建别名,请使用 createAlias()
方法,指定 Collections 名称和别名。
要为 Collections 创建别名,可以使用 POST /v2/vectordb/aliases/create
API 端点。
# 9.1. Create aliases
client.create_alias(
collection_name="customized_setup_2",
alias="bob"
)
client.create_alias(
collection_name="customized_setup_2",
alias="alice"
)
import io.milvus.v2.service.utility.request.CreateAliasReq;
// 9. Manage aliases
// 9.1 Create alias
CreateAliasReq createAliasReq = CreateAliasReq.builder()
.collectionName("customized_setup_2")
.alias("bob")
.build();
client.createAlias(createAliasReq);
createAliasReq = CreateAliasReq.builder()
.collectionName("customized_setup_2")
.alias("alice")
.build();
client.createAlias(createAliasReq);
// 9. Manage aliases
// 9.1 Create aliases
res = await client.createAlias({
collection_name: "customized_setup_2",
alias: "bob"
})
console.log(res.error_code)
// Output
//
// Success
//
res = await client.createAlias({
collection_name: "customized_setup_2",
alias: "alice"
})
console.log(res.error_code)
// Output
//
// Success
//
$ curl -X POST "http://${MILVUS_URI}/v2/vectordb/aliases/create" \
-H "Content-Type: application/json" \
-d '{
"collectionName": "customized_setup_2",
"aliasName": "bob"
}'
# Output
#
# {
# "code": 0,
# "data": {}
# }
$ curl -X POST "http://${MILVUS_URI}/v2/vectordb/aliases/create" \
-H "Content-Type: application/json" \
-d '{
"collectionName": "customized_setup_2",
"aliasName": "alice"
}'
# Output
#
# {
# "code": 0,
# "data": {}
# }
参数 | 说明 |
---|---|
collection_name |
要创建别名的 Collections 名称。 |
alias |
Collections 的别名。操作前,请确保别名不存在。如果已经存在,则会出现异常。 |
参数 | 参数 |
---|---|
collectionName |
要创建别名的 Collection 的名称。 |
alias |
Collections 的别名。在进行此操作前,请确保别名不存在。如果已经存在,则会出现异常。 |
参数 | 参数 |
---|---|
collection_name |
要创建别名的 Collection 的名称。 |
alias |
Collections 的别名。在进行此操作前,请确保别名不存在。如果已经存在,则会出现异常。 |
参数 | 参数 |
---|---|
collectionName |
要创建别名的 Collection 的名称。 |
aliasName |
Collections 的别名。在进行此操作前,请确保别名不存在。如果已经存在,则会出现异常。 |
列出别名
要列出别名,请使用 list_aliases()
方法,并指定 Collections 名称。
要列出别名,请使用 listAliases()
方法,并指定 Collection 名称。
要列出别名,请使用 listAliases()
方法,并指定 Collections 名称。
要列出某个 Collection 的别名,可使用 POST /v2/vectordb/aliases/list
API 端点。
# 9.2. List aliases
res = client.list_aliases(
collection_name="customized_setup_2"
)
print(res)
# Output
#
# {
# "aliases": [
# "bob",
# "alice"
# ],
# "collection_name": "customized_setup_2",
# "db_name": "default"
# }
import io.milvus.v2.service.utility.request.ListAliasesReq;
import io.milvus.v2.service.utility.response.ListAliasResp;
// 9.2 List alises
ListAliasesReq listAliasesReq = ListAliasesReq.builder()
.collectionName("customized_setup_2")
.build();
ListAliasResp listAliasRes = client.listAliases(listAliasesReq);
System.out.println(listAliasRes.getAlias());
// Output:
// [
// "bob",
// "alice"
// ]
// 9.2 List aliases
res = await client.listAliases({
collection_name: "customized_setup_2"
})
console.log(res.aliases)
// Output
//
// [ 'bob', 'alice' ]
//
$ curl -X POST "http://${MILVUS_URI}/v2/vectordb/aliases/list" \
-H "Content-Type: application/json" \
-d '{
"collectionName": "customized_setup_2"
}'
# {
# "code": 0,
# "data": [
# "bob",
# "alice"
# ]
# }
描述别名
要描述别名,请使用 describe_alias()
方法指定别名。
要描述别名,请使用 describeAlias()
方法指定别名。
要描述别名,请使用 describeAlias()
方法指定别名。
要描述 Collections 的别名,可以使用 POST /v2/vectordb/aliases/describe
API 端点。
# 9.3. Describe aliases
res = client.describe_alias(
alias="bob"
)
print(res)
# Output
#
# {
# "alias": "bob",
# "collection_name": "customized_setup_2",
# "db_name": "default"
# }
import io.milvus.v2.service.utility.request.DescribeAliasReq;
import io.milvus.v2.service.utility.response.DescribeAliasResp;
// 9.3 Describe alias
DescribeAliasReq describeAliasReq = DescribeAliasReq.builder()
.alias("bob")
.build();
DescribeAliasResp describeAliasRes = client.describeAlias(describeAliasReq);
System.out.println(JSONObject.toJSON(describeAliasRes));
// Output:
// {
// "alias": "bob",
// "collectionName": "customized_setup_2"
// }
// 9.3 Describe aliases
res = await client.describeAlias({
collection_name: "customized_setup_2",
alias: "bob"
})
console.log(res)
// Output
//
// {
// status: {
// extra_info: {},
// error_code: 'Success',
// reason: '',
// code: 0,
// retriable: false,
// detail: ''
// },
// db_name: 'default',
// alias: 'bob',
// collection: 'customized_setup_2'
// }
//
$ curl -X POST "http://${MILVUS_URI}/v2/vectordb/aliases/describe" \
-H "Content-Type: application/json" \
-d '{
"aliasName": "bob"
}'
# {
# "code": 0,
# "data": {
# "aliasName": "bob",
# "collectionName": "quick_setup",
# "dbName": "default"
# }
# }
重新指定别名
要将别名重新分配给其他 Collections,请使用 alter_alias()
方法,指定 Collections 名称和别名。
要将别名重新指定给其他 Collections,请使用 alterAlias()
方法,指定集合名称和别名。
要将别名重新分配给其他 Collections,请使用 alterAlias()
方法,指定 Collections 名称和别名。
要将别名重新指定给其他 Collections,可使用 POST /v2/vectordb/aliases/alter
API 端点。
# 9.4 Reassign aliases to other collections
client.alter_alias(
collection_name="customized_setup_1",
alias="alice"
)
res = client.list_aliases(
collection_name="customized_setup_1"
)
print(res)
# Output
#
# {
# "aliases": [
# "alice"
# ],
# "collection_name": "customized_setup_1",
# "db_name": "default"
# }
res = client.list_aliases(
collection_name="customized_setup_2"
)
print(res)
# Output
#
# {
# "aliases": [
# "bob"
# ],
# "collection_name": "customized_setup_2",
# "db_name": "default"
# }
import io.milvus.v2.service.utility.request.AlterAliasReq;
// 9.4 Reassign alias to other collections
AlterAliasReq alterAliasReq = AlterAliasReq.builder()
.collectionName("customized_setup_1")
.alias("alice")
.build();
client.alterAlias(alterAliasReq);
listAliasesReq = ListAliasesReq.builder()
.collectionName("customized_setup_1")
.build();
listAliasRes = client.listAliases(listAliasesReq);
System.out.println(listAliasRes.getAlias());
// Output:
// ["alice"]
listAliasesReq = ListAliasesReq.builder()
.collectionName("customized_setup_2")
.build();
listAliasRes = client.listAliases(listAliasesReq);
System.out.println(listAliasRes.getAlias());
// Output:
// ["bob"]
// 9.4 Reassign aliases to other collections
res = await client.alterAlias({
collection_name: "customized_setup_1",
alias: "alice"
})
console.log(res.error_code)
// Output
//
// Success
//
res = await client.listAliases({
collection_name: "customized_setup_1"
})
console.log(res.aliases)
// Output
//
// [ 'alice' ]
//
res = await client.listAliases({
collection_name: "customized_setup_2"
})
console.log(res.aliases)
// Output
//
// [ 'bob' ]
//
$ curl -X POST "http://${MILVUS_URI}/v2/vectordb/aliases/alter" \
-H "Content-Type: application/json" \
-d '{
"collectionName": "customized_setup_1",
"aliasName": "alice"
}'
# {
# "code": 0,
# "data": {}
# }
$ curl -X POST "http://${MILVUS_URI}/v2/vectordb/aliases/list" \
-H "Content-Type: application/json" \
-d '{
"collectionName": "customized_setup_1"
}'
# {
# "code": 0,
# "data": [
# "alice"
# ]
# }
$ curl -X POST "http://${MILVUS_URI}/v2/vectordb/aliases/list" \
-H "Content-Type: application/json" \
-d '{
"collectionName": "customized_setup_2"
}'
# {
# "code": 0,
# "data": [
# "bob"
# ]
# }
删除别名
要删除别名,请使用 drop_alias()
方法指定别名。
要删除别名,请使用 dropAlias()
方法,指定别名。
要删除别名,请使用 dropAlias()
方法,指定别名。
要为 Collections 删除别名,可使用 POST /v2/vectordb/aliases/drop
API 端点。
# 9.5 Drop aliases
client.drop_alias(
alias="bob"
)
client.drop_alias(
alias="alice"
)
import io.milvus.v2.service.utility.request.DropAliasReq;
// 9.5 Drop alias
DropAliasReq dropAliasReq = DropAliasReq.builder()
.alias("bob")
.build();
client.dropAlias(dropAliasReq);
dropAliasReq = DropAliasReq.builder()
.alias("alice")
.build();
client.dropAlias(dropAliasReq);
// 9.5 Drop aliases
res = await client.dropAlias({
alias: "bob"
})
console.log(res.error_code)
// Output
//
// Success
//
res = await client.dropAlias({
alias: "alice"
})
console.log(res.error_code)
// Output
//
// Success
//
$ curl -X POST "http://${MILVUS_URI}/v2/vectordb/aliases/drop" \
-H "Content-Type: application/json" \
-d '{
"aliasName": "bob"
}'
# {
# "code": 0,
# "data": {}
# }
$ curl -X POST "http://${MILVUS_URI}/v2/vectordb/aliases/drop" \
-H "Content-Type: application/json" \
-d '{
"aliasName": "alice"
}'
# {
# "code": 0,
# "data": {}
# }
设置属性
可以为 Collections 设置属性,如ttl.seconds
和mmap.enabled
。更多信息,请参阅set_properties()。
本节中的代码片段使用PyMilvus ORM 模块与 Milvus 进行交互。使用新的MilvusClient SDK的代码片段即将发布。
设置 TTL
为 Collections 中的数据设置生存时间(TTL),指定数据在自动删除前应保留多长时间。
from pymilvus import Collection, connections
# Connect to Milvus server
connections.connect(host="localhost", port="19530") # Change to your Milvus server IP and port
# Get existing collection
collection = Collection("quick_setup")
# Set the TTL for the data in the collection
collection.set_properties(
properties={
"collection.ttl.seconds": 60
}
)
设置 MMAP
为 Collections 配置内存映射 (MMAP) 属性,该属性决定数据是否映射到内存中以提高查询性能。有关详细信息,请参阅配置内存映射 。
在设置 MMAP 属性之前,请先释放 Collection。否则会出错。
from pymilvus import Collection, connections
# Connect to Milvus server
connections.connect(host="localhost", port="19530") # Change to your Milvus server IP and port
# Get existing collection
collection = Collection("quick_setup")
# Before setting memory mapping property, we need to release the collection first.
collection.release()
# Set memory mapping property to True or Flase
collection.set_properties(
properties={
"mmap.enabled": True
}
)
放弃收藏
如果不再需要某个 Collection,您可以放弃该 Collection。
要删除一个 Collection,请使用 drop_collection()
方法,并指定 Collections 名称。
要删除一个 Collection,请使用 dropCollection()
方法,指定 Collections 名称。
要放弃一个 Collection,请使用 dropCollection()
方法,指定 Collections 名称。
要删除一个 Collection,可以使用 POST /v2/vectordb/collections/drop
API 端点。
# 10. Drop the collections
client.drop_collection(
collection_name="quick_setup"
)
client.drop_collection(
collection_name="customized_setup_1"
)
client.drop_collection(
collection_name="customized_setup_2"
)
import io.milvus.v2.service.collection.request.DropCollectionReq;
// 10. Drop collections
DropCollectionReq dropQuickSetupParam = DropCollectionReq.builder()
.collectionName("quick_setup")
.build();
client.dropCollection(dropQuickSetupParam);
DropCollectionReq dropCustomizedSetupParam = DropCollectionReq.builder()
.collectionName("customized_setup_1")
.build();
client.dropCollection(dropCustomizedSetupParam);
dropCustomizedSetupParam = DropCollectionReq.builder()
.collectionName("customized_setup_2")
.build();
client.dropCollection(dropCustomizedSetupParam);
// 10. Drop the collection
res = await client.dropCollection({
collection_name: "customized_setup_2"
})
console.log(res.error_code)
// Output
//
// Success
//
res = await client.dropCollection({
collection_name: "customized_setup_1"
})
console.log(res.error_code)
// Output
//
// Success
//
res = await client.dropCollection({
collection_name: "quick_setup"
})
console.log(res.error_code)
// Output
//
// Success
//
$ curl -X POST "http://${MILVUS_URI}/v2/vectordb/collections/drop" \
-H "Content-Type: application/json" \
-d '{
"collectionName": "quick_setup"
}'
# {
# "code": 0,
# "data": {}
# }
$ curl -X POST "http://${MILVUS_URI}/v2/vectordb/collections/drop" \
-H "Content-Type: application/json" \
-d '{
"collectionName": "customized_setup_1"
}'
# {
# "code": 0,
# "data": {}
# }
$ curl -X POST "http://${MILVUS_URI}/v2/vectordb/collections/drop" \
-H "Content-Type: application/json" \
-d '{
"collectionName": "customized_setup_2"
}'
# {
# "code": 0,
# "data": {}
# }