رفتن به Milvus به سرعت

این فصل نحوه‌ی شروع سریع با عملیات خواندن و نوشتن دیتابیس برداری Milvus با استفاده از Go را معرفی می‌کند.

نصب کردن Go SDK

توجه: Go SDK نسخه 1.15 یا بالاتر را می‌طلبد.

go get -u github.com/milvus-io/milvus-sdk-go/v2

وارد کردن وابستگی‌ها

import (
	"context"
	"fmt"
	"log"
	"math/rand"
	"time"

	"github.com/milvus-io/milvus-sdk-go/v2/client"
	"github.com/milvus-io/milvus-sdk-go/v2/entity"
)

اتصال به دیتابیس Milvus

	ctx := context.Background()

	log.Printf(msgFmt, "اتصال به Milvus")
	c, err := client.NewClient(ctx, client.Config{
		Address: "localhost:19530",
	})
	if err != nil {
		log.Fatal("اتصال به Milvus با شکست مواجه شد, خطا: ", err.Error())
	}
	defer c.Close()

ایجاد مجموعه‌ای

فرایند ایجاد یک مجموعه شبیه ایجاد ساختار یک جدول MySQL است، جایی که باید نوع هر فیلد را توصیف کنید.

   نام_مجموعه = "hello_tizi365"
	log.Printf(msgFmt, fmt.Sprintf("ایجاد مجموعه، `%s`", نام_مجموعه))
	
	// نوع فیلدهای مجموعه را تعریف کنید، اینجا ID، random، و embeddings تعریف می‌شوند
	schema := entity.NewSchema().WithName(نام_مجموعه).WithDescription("توضیحات مجموعه").
		WithField(entity.NewField().WithName("ID").WithDataType(entity.FieldTypeInt64).WithIsPrimaryKey(true).WithIsAutoID(false)).
		WithField(entity.NewField().WithName("random").WithDataType(entity.FieldTypeDouble)).
		WithField(entity.NewField().WithName("embeddings").WithDataType(entity.FieldTypeFloatVector).WithDim(dim))

	// بر اساس نوع‌های فیلدهای تعریف شده، مجموعه را ایجاد کنید
	if err := c.CreateCollection(ctx, schema, entity.DefaultShardNumber); err != nil {
		log.Fatalf("ایجاد مجموعه با شکست مواجه شد، خطا: %v", err)
	}

درج داده در مجموعه

	idList, randomList := make([]int64, 0, nEntities), make([]float64, 0, nEntities)
	embeddingList := make([][]float32, 0, nEntities)

	rand.Seed(time.Now().UnixNano())

    // برای اهداف تست، داده‌های تصادفی تولید کنید
	// تولید شناسه‌ها
	for i := 0; i < nEntities; i++ {
		idList = append(idList, int64(i))
	}
	// تولید مقادیر تصادفی
	for i := 0; i < nEntities; i++ {
		randomList = append(randomList, rand.Float64())
	}
	// تولید مقادیر بردار
	for i := 0; i < nEntities; i++ {
		vec := make([]float32, 0, dim)
		for j := 0; j < dim; j++ {
			vec = append(vec, rand.Float32())
		}
		embeddingList = append(embeddingList, vec)
	}
	// درج چند مجموعه داده، برپایه‌ی ستون برای داده‌های چندگانه
	idColData := entity.NewColumnInt64("ID", idList)
	randomColData := entity.NewColumnDouble("random", randomList)
	embeddingColData := entity.NewColumnFloatVector("embeddings", dim, embeddingList)

    // درج داده
	if _, err := c.Insert(ctx, نام_مجموعه, "", idColData, randomColData, embeddingColData); err != nil {
		log.Fatalf("نوشتن داده با شکست مواجه شد، خطا: %v", err)
	}
    
	// تخلیه داده به دیسک
	if err := c.Flush(ctx, نام_مجموعه, false); err != nil {
		log.Fatalf("فشرده سازی داده با شکست مواجه شد، خطا: %v", err)
	}

ایجاد اندیس

	// نوع اندیس را تعریف کنید
	idx, err := entity.NewIndexIvfFlat(entity.L2, 128)
	if err != nil {
		log.Fatalf("تعریف اندیس با شکست مواجه شد، خطا: %v", err)
	}
	// ایجاد اندیس برای مجموعه مشخص شده
	if err := c.CreateIndex(ctx, نام_مجموعه, embeddingCol, idx, false); err != nil {
		log.Fatalf("ایجاد اندیس با شکست مواجه شد، خطا: %v", err)
	}

    // بارگذاری مجموعه مشخص شده به حافظه برای بهبود کارایی پرس و جو
	err = c.LoadCollection(ctx, نام_مجموعه, false)
	if err != nil {
		log.Fatalf("بارگذاری مجموعه با شکست مواجه شد، خطا: %v", err)
	}

جستجوی مشابهت بردار

   // آماده‌سازی بردارهای قابل جستجو
   // در اینجا، بخشی از داده‌های بردار از داده‌های قبلی برای تست استخراج می‌شود و ما برای نتایج مشابه به این بردارها زیر جستجو خواهیم کرد.
   vec2search := []entity.Vector{
      entity.FloatVector(embeddingList[len(embeddingList)-2]),
      entity.FloatVector(embeddingList[len(embeddingList)-1]),
   }
   begin := time.Now()
   sp, _ := entity.NewIndexIvfFlatSearchParam(16)
   // انجام جستجوی مشابهت بردار
   sRet, err := c.Search(ctx, collectionName, nil, "", []string{"random"}, vec2search,
      "embeddings", entity.L2, topK, sp)
   end := time.Now()
   if err != nil {
      log.Fatalf("جستجو ناموفق بود، خطا: %v", err)
   }

   log.Println("نتایج چاپ شده:")
   for _, res := range sRet {
      printResult(&res)
   }

تعریف تابع printResult

func printResult(sRet *client.SearchResult) {
   randoms := make([]float64, 0, sRet.ResultCount)
   scores := make([]float32, 0, sRet.ResultCount)

   var randCol *entity.ColumnDouble
   for _, field := range sRet.Fields {
      if field.Name() == randomCol {
         c, ok := field.(*entity.ColumnDouble)
         if ok {
            randCol = c
         }
      }
   }
   for i := 0; i < sRet.ResultCount; i++ {
      val, err := randCol.ValueByIdx(i)
      if err != nil {
         log.Fatal(err)
      }
      randoms = append(randoms, val)
      scores = append(scores, sRet.Scores[i])
   }
   log.Printf("\trandoms: %v, scores: %v\n", randoms, scores)
}

کد منبع کامل نمایش داده شده، کد منبع شروع کار با Go Milvus