milvus 向量数据库检索

### Milvus 向量数据库检索使用方法教程

#### 创建并加载集合
为了在 Milvus 中执行向量相似度搜索，首先需要创建一个集合并将该集合加载到内存中。这可以通过 `pymilvus` 库中的相应函数实现。

from pymilvus import Collection

collection = Collection("book")  # 获取已存在的集合。
collection.load()                # 将集合加载至内存以便后续操作。

#### 构建查询向量
定义要查找的向量作为输入参数，在此过程中需指定维度大小匹配目标数据集的要求：

dimension = 128                  # 假设维数为128
query_vector = [0.1] * dimension # 定义查询向量

#### 执行搜索请求
通过调用 `milvus.search()` 方法发起一次搜索请求，并设置返回结果数量 (`top_k`) 参数控制输出规模；此外还可以调整距离度量方式 (如 Jaccard 或 Hamming)，具体取决于所使用的二进制嵌入类型[^1]。

status, results = milvus.search(
    collection_name='my_collection',
    query_records=[query_vector],
    top_k=10                      # 返回前十个最接近的结果
)

for result in results[0]:
    print(f"Vector ID: {result.id}, Distance: {result.distance}")

上述代码片段展示了如何利用 Python SDK 对 Milvus 数据库内的对象实施基于内容特征描述符（即向量表示形式）之间的比较分析过程[^2]。