milvus的批量向量搜索

批量向量搜索允许在单个请求中进行多个向量相似性搜索。这种类型的搜索非常适合需要为一组查询向量查找相似向量的场景，可显著减少所需的时间和计算资源。

即:一次查询多个向量，吞吐。

系统会并行处理这些向量，为每个查询向量返回一个单独的结果集，每个结果集包含在collection中找到的最接近的匹配项。

import random
from pymilvus import (
    connections,
    Collection,
)

dim = 3

if __name__ == '__main__':
    connections.connect(
        alias="default",
        user='',
        password='',
        host='192.168.230.71',
        port='19530'
    )

    coll = Collection("hello_milvus")

    search_param = {
        "metric_type": "COSINE",
        "params": {"ef": 40}
    }
    search_data = [[0.20963513851165771,0.3974665701389313,0.12019053101539612],
                   [0.6947491765022278, 0.9535574913024902, 0.5454552173614502]]
    results = coll.search(
        data=search_data,
        anns_field="embeddings",
        param=search_param,
        limit=5,
        # expr=None,
        output_fields=['pk'],
        # consistency_level="Eventually"
    )
    print(results)

原文地址：https://blog.csdn.net/shulu/article/details/140613642

免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！