Szybkie przejście do Milvus

To get started with read and write operations on Milvus vector database using Go, follow these steps.

Instalowanie Go SDK

Uwaga: Do poprawnego działania Go SDK wymagana jest wersja Go 1.15 lub nowsza.

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

Importowanie zależności

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"
)

Połączenie z bazą danych Milvus

	ctx := context.Background()

	log.Printf(msgFmt, "Łączenie z Milvus")
	c, err := client.NewClient(ctx, client.Config{
		Address: "localhost:19530",
	})
	if err != nil {
		log.Fatal("Błąd podczas łączenia z Milvus, err: ", err.Error())
	}
	defer c.Close()

Tworzenie kolekcji

Proces tworzenia kolekcji jest podobny do tworzenia struktury tabeli MySQL, gdzie należy opisać typ każdego pola.

   collectionName = "hello_tizi365"
	log.Printf(msgFmt, fmt.Sprintf("Tworzenie kolekcji, `%s`", collectionName))
	
	// Zdefiniuj typy pól kolekcji, zdefiniuj tutaj pola ID, random i embeddings
	schema := entity.NewSchema().WithName(collectionName).WithDescription("Opis kolekcji").
		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))

	// Utwórz kolekcję na podstawie zdefiniowanych typów pól kolekcji
	if err := c.CreateCollection(ctx, schema, entity.DefaultShardNumber); err != nil {
		log.Fatalf("Błąd podczas tworzenia kolekcji, err: %v", err)
	}

Wstawianie danych do kolekcji

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

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

    // W celu testowania wygeneruj tutaj kilka losowych danych testowych
	// Generowanie identyfikatorów
	for i := 0; i < nEntities; i++ {
		idList = append(idList, int64(i))
	}
	// Generowanie losowych wartości
	for i := 0; i < nEntities; i++ {
		randomList = append(randomList, rand.Float64())
	}
	// Generowanie wartości wektorowych
	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)
	}
	// Wstaw wiele zestawów danych, zorganizowanych kolumnowo dla wielu danych
	idColData := entity.NewColumnInt64("ID", idList)
	randomColData := entity.NewColumnDouble("random", randomList)
	embeddingColData := entity.NewColumnFloatVector("embeddings", dim, embeddingList)

    // Wstawianie danych
	if _, err := c.Insert(ctx, collectionName, "", idColData, randomColData, embeddingColData); err != nil {
		log.Fatalf("Błąd podczas zapisywania danych, err: %v", err)
	}
    
	// Wypchnij dane na dysk
	if err := c.Flush(ctx, collectionName, false); err != nil {
		log.Fatalf("Błąd podczas spłukiwania danych, err: %v", err)
	}

Tworzenie indeksu

	// Zdefiniuj typ indeksu
	idx, err := entity.NewIndexIvfFlat(entity.L2, 128)
	if err != nil {
		log.Fatalf("Błąd podczas definiowania indeksu, err: %v", err)
	}
	// Utwórz indeks dla określonej kolekcji
	if err := c.CreateIndex(ctx, collectionName, embeddingCol, idx, false); err != nil {
		log.Fatalf("Błąd podczas tworzenia indeksu, err: %v", err)
	}

    // Załaduj określoną kolekcję do pamięci w celu poprawy efektywności zapytań
	err = c.LoadCollection(ctx, collectionName, false)
	if err != nil {
		log.Fatalf("Błąd podczas ładowania kolekcji, err: %v", err)
	}

   // Przygotuj wektory do wyszukiwania. Tutaj wyodrębniamy część danych wektorowych z wcześniej wygenerowanych danych do testów, a następnie będziemy wyszukiwać wyniki podobne do poniższych wektorów.
	vec2search := []entity.Vector{
		entity.FloatVector(embeddingList[len(embeddingList)-2]),
		entity.FloatVector(embeddingList[len(embeddingList)-1]),
	}
	begin := time.Now()
	sp, _ := entity.NewIndexIvfFlatSearchParam(16)
	// Wykonaj wyszukiwanie podobieństwa wektorów
	sRet, err := c.Search(ctx, collectionName, nil, "", []string{"losowy"}, vec2search,
		"osadzenia", entity.L2, topK, sp)
	end := time.Now()
	if err != nil {
		log.Fatalf("Wyszukiwanie nie powiodło się, błąd: %v", err)
	}

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

Definicja funkcji 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("\tlosowy: %v, wyniki: %v\n", randoms, scores)
}

Pełny przykładowy kod źródłowy, Kod źródłowy startowego poradnika Go Milvus