类功能

功能描述

提供向量数据库。对同一个数据库的collection，add和add_sparse以及add_dense_and_sparse需独立使用，混用会导致失败。

函数原型

from mx_rag.storage.vectorstore import MilvusDB
MilvusDB(client, collection_name, search_mode, auto_id, index_type, metric_type, auto_flush)

参数说明

参数名	数据类型	可选/必选	说明
client	MilvusClient	必选	MilvusClient实例，具体说明请参考MilvusClient。说明： MilvusClient由用户控制传入，请使用安全的连接方式。
collection_name	str	可选	集合名称，不能为空，最大长度为1024，默认为“rag_sdk”。
search_mode	SearchMode	可选	检索模式，当前支持三种模式，包括稠密检索（DENSE），稀疏检索(SPARSE)和混合检索（HYBRID）。类型介绍可参见SearchMode。
auto_id	bool	可选	主键是否自增，默认为False。
index_type	str	可选	向量检索类型，当前只支持FLAT, IVF_FLAT, IVF_PQ, HNSW，默认为FLAT，该字段稠密检索和混合检索模式时，针对稠密向量有效。稀疏向量检索类型固定为SPARSE_INVERTED_INDEX，不支持配置。
metric_type	str	可选	向量距离计算方式，支持IP，L2，COSINE，默认为L2，该字段稠密检索和混合检索模式时，针对稠密向量有效。稀疏向量距离计算方式固定为IP，不支持配置。
auto_flush	bool	可选	数据变更时是否自动刷新内存数据，默认为True。

返回类型

数据类型	说明
MilvusDB	MilvusDB对象。

调用示例

from pymilvus import MilvusClient
from mx_rag.storage.vectorstore import MilvusDB
import numpy as np
client = MilvusClient("https://x.x.x.x:port", user="xxx", password=getpass.getpass(), token="xxx")
vector_store = MilvusDB.create(client=client,  x_dim=1024)
vecs = np.random.randn(3, 1024)
vector_store.add([0, 1, 2], vecs)
print(vector_store.get_all_ids())
vector_store.delete([1])
vector_store.get_all_ids()
print(vector_store.search(vecs[1:2, :].tolist()))
vector_store.update([0], vecs[:1])
vector_store.drop_collection()

父主题： MilvusDB类