milvus lite

### Milvus Lite 版本介绍

Milvus Lite 是一款轻量级的开源向量数据库，旨在简化用户的初次体验和小型项目的开发过程。此版本适合希望快速上手而不必担心复杂配置的新用户。自版本 2.4.2 起，`pymilvus` 包已经包含了 Milvus Lite 组件[^1]。

对于那些只需要处理不超过一百万条记录的应用场景而言，Milvus Lite 提供了一种便捷的方式来探索 Milvus 功能集的可能性。它特别适用于 AI 应用程序的早期原型设计阶段，在这个时期更关注的是功能验证而非最终产品的性能优化[^3]。

### 安装方法

为了获得最新的 Milvus Lite 发布版，可以通过 Python 的包管理工具 `pip` 来完成安装：

pip install -U pymilvus

这条命令不仅会更新或安装 `pymilvus` 到最新稳定版本，还会自动拉取必要的依赖项以支持 Milvus Lite 的运行环境[^2]。

### 使用指南

一旦成功安装了 `pymilvus` 和内置的 Milvus Lite 后，便可以开始创建连接实例并与之交互。下面是一个简单的例子展示如何初始化一个本地模式下的客户端对象，并执行基本的操作如插入数据点、建立索引以及查询最近邻节点等：

from pymilvus import connections, FieldSchema, CollectionSchema, DataType, Collection

# 连接到本地部署的 Milvus 实例，默认监听 localhost:19530 地址
connections.connect("default")

fields = [
    FieldSchema(name="id", dtype=DataType.INT64, is_primary=True),
    FieldSchema(name="embedding", dtype=DataType.FLOAT_VECTOR, dim=8)
]

schema = CollectionSchema(fields)

collection_name = "example_collection"
milvus_lite_colletion = Collection(
    name=collection_name,
    schema=schema
)

data_points = [[i for i in range(10)], [[float(i)] * 8 for i in range(10)]]
milvus_lite_colliction.insert(data_points)

index_params = {"metric_type": "L2", "index_type": "IVF_FLAT", "params": {"nlist": 128}}
milvus_lite_colliction.create_index(field_name="embedding", index_params=index_params)

search_param = {"metric_type": "L2", "params": {"nprobe": 10}}
results = milvus_lite_colliction.search([[0.] * 8], param=search_param, limit=3)
print(results)

这段代码展示了怎样定义集合结构、加载测试数据、设置索引参数并发起一次近似最近邻居搜索请求的过程[^4]。