milvus数据管理-upsert实体

upsert是update和insert的缩写词。在数据库中指更新插入,若记录存在,则更新;若不存在,就插入。

一、准备数据

数据的类型必须和集合的模式匹配
对于标量字段,可以留空,但是主键不能为空。

import random
nb = 3000
dim = 8
vectors = [[random.random() for _ in range(dim)] for _ in range(nb)]
data = [
    [i for i in range(nb)],
    [str(i) for i in range(nb)],
    [i for i in range(10000, 10000+nb)],
    vectors,
    [str("dy"*i) for i in range(nb)]
]

二、upsert数据

from pymilvus import Collection
collection = Collection("book") # Get an existing collection.
mr = collection.upsert(data)

限制:
不支持更新插入主键;当主键字段设置为 autoID 时,upsert() 不适用:这表明,如果你的数据模型中主键字段被设置为自动增长(autoID),则不能使用 upsert() 方法。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
Milvus 是一个开源的高性能向量数据库,专为大规模的向量数据(如深度学习中的特征表示)提供存储和搜索服务。在 Python 中,你可以使用 Milvus SDK 来方便地对数据进行向量化操作,以下是一些基本步骤: 1. **安装 Milvus**:首先,你需要从 Milvus 的 GitHub 仓库或 PyPI(Python Package Index)安装 Milvus SDK,例如使用 pip: ``` pip install milvus ``` 2. **连接 Milvus**:创建 Milvus 接口对象并连接到服务器,如果本地运行,通常是 localhost 和默认端口(19530): ```python from milvus import Milvus milvus = Milvus(host="localhost", port=19530) ``` 3. **加载数据**:将 Python 列表或数组转换为向量数据,通常是 numpy 数组,然后构建索引: ```python import numpy as np vectors = np.random.rand(100, 128) # 假设我们有100个128维向量 collection_name = "my_collection" vector_field_name = "vector_field" if not milvus.has_collection(collection_name): # 创建集合和向量字段 schema = {"fields": [{"name": vector_field_name, "type": "FLOAT_VECTOR", "dim": 128}]} milvus.create_collection(schema, collection_name) # 插入数据 milvus.insert(collection_name, vectors) ``` 4. **向量化搜索**:使用查询向量执行相似度搜索,例如使用 `IVF` + `FLAT` 或 `HNSW` 等搜索方法: ```python query_vector = np.random.rand(128) top_k = 10 params = {"nprobe": 32} results = milvus.search(collection_name, query_vector, top_k, params) ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

灵海之森

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值