Vai rapidamente a Milvus

Questo capitolo introduce come iniziare rapidamente con le operazioni di lettura e scrittura del database di vettori Milvus utilizzando Go.

Installazione del Go SDK

Nota: Il Go SDK richiede la versione 1.15 o superiore di Go.

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

Importazione delle Dipendenze

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"
)

Connessione al Database Milvus

	ctx := context.Background()

	log.Printf(msgFmt, "Connessione a Milvus")
	c, err := client.NewClient(ctx, client.Config{
		Address: "localhost:19530",
	})
	if err != nil {
		log.Fatal("Connessione a Milvus fallita, err: ", err.Error())
	}
	defer c.Close()

Creazione di una Collezione

Il processo di creazione di una collezione è simile alla creazione di una struttura tabella in MySQL, dove è necessario descrivere il tipo di ogni campo.

   collectionName = "hello_tizi365"
	log.Printf(msgFmt, fmt.Sprintf("Creazione della collezione, `%s`", collectionName))
	
	// Definisci i tipi di campo della collezione, definendo qui ID, random e campi di embedding
	schema := entity.NewSchema().WithName(collectionName).WithDescription("Descrizione della collezione").
		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))

	// Crea la collezione basata sui tipi di campo della collezione definiti
	if err := c.CreateCollection(ctx, schema, entity.DefaultShardNumber); err != nil {
		log.Fatalf("Creazione della collezione fallita, err: %v", err)
	}

Inserimento di Dati nella Collezione

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

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

    // A scopo di test, genera alcuni dati casuali qui
	// Genera ID
	for i := 0; i < nEntities; i++ {
		idList = append(idList, int64(i))
	}
	// Genera valori casuali
	for i := 0; i < nEntities; i++ {
		randomList = append(randomList, rand.Float64())
	}
	// Genera valori vettoriali
	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)
	}
	// Inserisci più set di dati, organizzati per colonna per più dati
	idColData := entity.NewColumnInt64("ID", idList)
	randomColData := entity.NewColumnDouble("random", randomList)
	embeddingColData := entity.NewColumnFloatVector("embeddings", dim, embeddingList)

    // Inserisci dati
	if _, err := c.Insert(ctx, collectionName, "", idColData, randomColData, embeddingColData); err != nil {
		log.Fatalf("Scrittura dei dati fallita, err: %v", err)
	}
    
	// Svuota i dati su disco
	if err := c.Flush(ctx, collectionName, false); err != nil {
		log.Fatalf("Svuotamento dei dati fallito, err: %v", err)
	}

Creazione di un Indice

	// Definisci il tipo di indice
	idx, err := entity.NewIndexIvfFlat(entity.L2, 128)
	if err != nil {
		log.Fatalf("Definizione dell'indice fallita, err: %v", err)
	}
	// Crea un indice per la collezione specificata
	if err := c.CreateIndex(ctx, collectionName, embeddingCol, idx, false); err != nil {
		log.Fatalf("Creazione dell'indice fallita, err: %v", err)
	}

    // Carica la collezione specificata in memoria per migliorare l'efficienza della query
	err = c.LoadCollection(ctx, collectionName, false)
	if err != nil {
		log.Fatalf("Caricamento della collezione fallito, err: %v", err)
	}

   // Prepara i vettori da cercare. Qui estraiamo parte dei dati del vettore dai dati precedentemente generati per il testing, e cercheremo i risultati simili a questi vettori di seguito.
	vec2search := []entity.Vector{
		entity.FloatVector(embeddingList[len(embeddingList)-2]),
		entity.FloatVector(embeddingList[len(embeddingList)-1]),
	}
	inizio := time.Now()
	sp, _ := entity.NewIndexIvfFlatSearchParam(16)
	// Esegui la ricerca di similarità del vettore
	sRet, err := c.Search(ctx, collectionName, nil, "", []string{"casuale"}, vec2search,
		"embeddings", entity.L2, topK, sp)
	fine := time.Now()
	if err != nil {
		log.Fatalf("Ricerca fallita, err: %v", err)
	}

	log.Println("Stampa risultati:")
	for _, res := range sRet {
		printResult(&res)
	}

Definizione della funzione printResult

func printResult(sRet *client.SearchResult) {
	casuali := 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)
		}
		casuali = append(casuali, val)
		scores = append(scores, sRet.Scores[i])
	}
	log.Printf("\tcasuali: %v, punteggi: %v\n", casuali, scores)
}

Codice sorgente completo dimostrativo, Codice sorgente di avvio di Go Milvus