Qdrant - 启动服务，基础体验

方式1：启动免费的cloud服务步骤

• 注册 Cloud account

• 登录后在左侧 Clusters 页签，点击 Create, 创建一个Free的 Cluster

        注意：改下Name， 起个自己喜欢名字，用起来方便点；

        创建完成后可以在Clusters页签画面看到你的Cluster， 注意Status, 需要约半分钟的初始化；

        点击Actions的“...”，导航到 details, dashboard, logs 等；

• 进入dashboard, 耍耍你的 cluster

        Qdrant Cloud 现在访问 dashboard 要求使用 apikey 方式访问；

        apikey生成：导航到页签 "Data Access Control"， 点击创建对应集群的apikey；

        注意生成时，把apikey备份到其他地方，供后续使用，这个key是一过性的，你不能再完整的看到它，只能重新生成；

方式2：本地docker

• 本地启动一个Qdrant

        storage目录，存放数据文件

        snapshots目录，存放快照

        6333：API 默认端口

        6334：gRPC API 默认端口，部分驱动（如官方的dotnet驱动）使用了grpc api,需要时请打开

        开发环境建议配置 memory, cpus 限制，要不然数据多了，内存被吃光了

docker run -d \ -v /home/pet/data/qdrant/storage:/qdrant/storage \ 
    -v /home/pet/data/qdrant/snapshots:/qdrant/snapshots \ 
    -p 6333:6333 \ 
    -p 6334:6334 \ 
    --name my-qdrant \ 
    --restart=always \ 
    --network=host \ 
    --memory="2048m" \ 
    --cpus="1" \ 
    qdrant/qdrant:v1.9.7

服务启动，开始耍耍

        以上两种方式的dashboard是一样的，刚见面就在这里先简单耍耍

• 方式1：云上导航到dashboard;
• 方式2: http://localhost:6333/dashboard

• 导航 Console, 可以直接在里边执行各种 api

        大家在这里可以对照api文档 https://api.qdrant.tech/api-reference， 直接调它的各种api, 例如：

// 创建一个名为 gacegroup1 的集合，存储向量的维度2，向量相似度算法Cosine
PUT collections/facegroup1
{
    "vectors": { "size": 2, "distance": "Cosine" }
}

// 假设 facegroup1 的向量上带有 payload = { userId: int, userName: string}, 为userId字段创建索引, 
PUT /collections/facegroup1/index
{
   "field_name": "userId",
  // "field_schema": "integer"
}

// upsert方法1
PUT collections/facegroup1/points
{
  "batch": {
    "ids": [1, 2, 3, 4, 5],
    "vectors": [[1.1, 11.11], [2.2, 22.22], [3.3, 33.33], [4.4, 44.44], [5.5, 55.55]]
  }
}
// upsert方法2
PUT collections/facegroup1/points
{
    "points": [{
        "id": 6,
        "vector": [6.6, 66.66],
        "payload": {
            "userId": 6  
        }
      },{
        "id": 7,
        "vector": [7.7, 77.77],
        "payload": {
            "userId": 7  
        }
      }]
}

// 大家注意查询时的这个key是大小写敏感的
// 查询
POST collections/facegroup1/points/scroll
{
  "limit": 10,
  "filter": {
    "must": [
      {
        "key": "city",
        "match": {
          "any": [
            "San Francisco",
            "New York"
          ]
        }
      }
    ]
  }
}

// 查询
POST collections/facegroup1/points/search
{
  "filter": {
    "must": [
      {
        "key": "kidId",
        "match": {
          "any": [
            4192
          ]
        }
      }
    ]
  },
   "vector": [0.017811239, 0.015926953],
  "limit": 10,
  "offset": 0,
  "with_payload": true,
  "with_vector": null,
  "score_threshold": 0
}

// 删除points
POST collections/face/points/delete
{
    "points": [1,2,3]
}

• 导航 Collections, 可以管理集合

• 导航 Tutorial，一个挺不错的互动教程

• 导航 Datasets, 一些数据资源

补充：

        Cloud 上的 Cluster Details 画面提供了基本的集群管理信息：

        节点Id,   访问地址， 监控，日志等。

        开始玩的话，docker本地起一个更方便。

---------  一贯的分割线 ---------------------