Python数据向量化milvus

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）：

   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：

   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：

   query_vector = np.random.rand(128)
   top_k = 10
   params = {"nprobe": 32}

   results = milvus.search(collection_name, query_vector, top_k, params)