Cari Serupa Milvus Go

Pencarian Kemiripan Vektor

Pada topik ini, dijelaskan bagaimana melakukan pencarian entitas dalam Milvus.

Pencarian kemiripan vektor di Milvus menghitung jarak antara vektor kueri dan vektor dalam koleksi, dan mengembalikan hasil yang paling mirip. Anda juga dapat melakukan pencarian campuran dengan menentukan ekspresi boolean untuk menyaring bidang skalar atau bidang kunci utama.

Contoh berikut ini menggambarkan bagaimana melakukan pencarian kemiripan vektor pada dataset 2000 baris, yang terdiri dari ID buku (kunci utama), frekuensi kata (bidang skalar), dan deskripsi buku (bidang vektor). Ini mensimulasikan skenario pencarian buku tertentu berdasarkan deskripsi yang divetorisasi. Milvus akan mengembalikan hasil yang paling mirip berdasarkan vektor kueri yang Anda tentukan dan parameter pencarian.

Memuat Koleksi

Sebelum melakukan pencarian kemiripan vektor, Milvus melakukan semua operasi pencarian dan kueri di memori. Harap muat koleksi ke memori sebelum melakukan pencarian kemiripan vektor.

err := milvusClient.LoadCollection(
  context.Background(),   // ctx
  "book",                 // CollectionName
  false                   // async
)
if err != nil {
  log.Fatal("gagal memuat koleksi:", err.Error())
}

Menyiapkan Parameter Pencarian

Siapkan parameter yang sesuai untuk skenario pencarian Anda. Contoh berikut ini mendefinisikan penggunaan jarak Euclidean untuk menghitung jarak dan mengambil vektor dari sepuluh klaster terdekat yang dibangun oleh indeks IVF_FLAT.

sp, _ := entity.NewIndexIvfFlatSearchParam( // Fungsi NewIndex*SearchParam
    10,                                  // searchParam
)

opt := client.SearchQueryOptionFunc(func(option *client.SearchQueryOption) {
    option.Limit = 3
    option.Offset = 0
    option.ConsistencyLevel = entity.ClStrong
    option.IgnoreGrowing = false
})

Melakukan Pencarian Vektor

Melakukan pencarian vektor menggunakan Milvus. Untuk mencari dalam partisi tertentu, harap tentukan daftar nama partisi.

Milvus mendukung pengaturan tingkat konsistensi untuk pencarian. Contoh dalam topik ini mengatur tingkat konsistensi ke Kuat. Anda juga dapat mengatur tingkat konsistensi ke Terbatas, Sesi, atau Akhirnya. Untuk informasi lebih lanjut tentang empat tingkat konsistensi dalam Milvus, lihat Konsistensi.

hasilPencarian, err := milvusClient.Search(
    context.Background(),                    // ctx
    "book",                                  // CollectionName
    []string{},                              // partitionNames
    "",                                      // expr
    []string{"book_id"},                     // outputFields
    []entity.Vector{entity.FloatVector([]float32{0.1, 0.2})}, // vectors
    "book_intro",                            // vectorField
    entity.L2,                               // metricType
    10,                                      // topK
    sp,                                      // sp
    opt,
)
if err != nil {
    log.Fatal("Gagal melakukan pencarian koleksi:", err.Error())
}

Periksa nilai kunci utama dan jarak vektor yang paling mirip.

fmt.Printf("%#v\n", hasilPencarian)
for _, sr := range hasilPencarian {
    fmt.Println(sr.IDs)
    fmt.Println(sr.Scores)
}

Setelah pencarian selesai, lepaskan koleksi yang dimuat di Milvus untuk mengurangi konsumsi memori.

err := milvusClient.ReleaseCollection(
    context.Background(),                            // ctx
    "book",                                          // CollectionName
)
if err != nil {
    log.Fatal("Gagal melepaskan koleksi:", err.Error())
}

Batasan

Melakukan Pencarian Campuran

Pencarian campuran pada dasarnya adalah pencarian vektor dengan penyaringan atribut. Dengan menentukan ekspresi boolean untuk menyaring bidang skalar atau bidang kunci primer, Anda dapat membatasi pencarian berdasarkan kondisi-kondisi tertentu.

Contoh berikut menunjukkan bagaimana melakukan pencarian campuran berdasarkan pencarian vektor biasa. Misalkan Anda ingin mencari buku-buku tertentu berdasarkan pengenalan tervektorisasi dari buku-buku tersebut, tetapi hanya ingin mengambil buku-buku dalam rentang jumlah kata tertentu. Anda kemudian dapat menyaring bidang word_count dengan menentukan ekspresi boolean dalam parameter pencarian. Milvus hanya akan mencari vektor yang mirip dalam entitas yang cocok dengan ekspresi tersebut.

sp, _ := entity.NewIndexFlatSearchParam(
  10,
)

opt := client.SearchQueryOptionFunc(func(option *client.SearchQueryOption) {
    option.Limit = 3
    option.Offset = 0
    option.ConsistencyLevel = entity.ClStrong
    option.IgnoreGrowing = false
})

hasilPencarian, err := milvusClient.Search(
  context.Background(),
  "book",
  []string{},
  "word_count <= 11000",
  []string{"book_id"},
  []entity.Vector{entity.FloatVector([]float32{0.1, 0.2})},
  "book_intro",
  entity.L2,
  2,
  sp,
  opt,
)

if err != nil {
  log.Fatal("Gagal melakukan pencarian koleksi:", err.Error())
}

Periksa hasil yang dikembalikan.

fmt.Printf("%#v\n", hasilPencarian)
for _, sr := range hasilPencarian {
  fmt.Println(sr.IDs)
  fmt.Println(sr.Scores)
}