3.milvus索引-HNSW

索引作用

加速大型数据集上的查询。

向量字段,仅只能创建一个索引。

milvus支持的向量索引类型大部分使用 近似最近邻搜索算法。ANNS该算法的核心不局限于返回最准确的结果,而是仅搜索目标的邻居。ANNS通过在可接受的范围内牺牲准确性提高检索效率。

比方,有一百条数据,其中有90条数据是满足条件的,使用ANNS可能只会返回89条数据。如果想准确返回90条数据,就需要采用暴力搜索。

milvus索引分类

内存索引,因为是在内存中所以加载速度更快。

磁盘索引

根据实现方式分类,ANNS向量索引可以分为4类:

1.基于树的索引,比如mysql中的索引是基于B+树。

2.基于图的索引

3.基于哈希的索引

4.基于量化的索引

根据数据类型,支持两种类型的索引:

  • floating-point embeddings 浮点类型,常用的索引

SCANN、IVF_FLAT、IVF_PQ、IVF_SQ8、FLAT、HNSW(效率比较高的索引算法)、ANNOY、AUTOINDEX、DISKANN

  • binary embeddings

BIN_FLAT、BIN_IVF_FLAT

**注意:**删掉索引前,需要现将Collection从内存中release卸载释放掉。

使用attu图形化工具,创建一个HNSW类型的索引

使用代码创建一个HNSW类型的索引

python 复制代码
from pymilvus import (
    connections,
    Collection,
)

collection_name = "first_milvus"
host = "192.168.171.130"
port = 19530
username = ""
password = ""

connections.connect("default", host=host, port=port, user=username, password=password)
coll = Collection(collection_name, consistency_level="Bounded", shards_num=1)

index_params = {
    "index_type": "HNSW",
    "metric_type": "L2",
    "params": {
        "M": 16,
        "efConstruction": 60
    }
}
coll.create_index(
  field_name="embeddings",
  index_params=index_params,
  index_name="idx_em"
)
print("done")
相关推荐
玩电脑的辣条哥1 天前
向量数据库是什么,它有什么作用?
数据库·向量数据库
下海的alpha3 天前
milvus单节点安装教程
milvus
下海的alpha3 天前
milvus-use教程 python
开发语言·python·milvus
摆烂z3 天前
向量数据库milvus文档地址
milvus
Zilliz Planet4 天前
Milvus×最新版DeepSeek v3:对标Claude,本地数据五分钟写网站
milvus
IT_Octopus5 天前
springboot milvus search向量相似度查询 踩坑使用经验
spring boot·milvus
重整旗鼓~6 天前
4.milvus索引FLAT
milvus·向量数据库
无极低码7 天前
基于deepseek的智能语音客服【第四讲】封装milvus数据库连接池封装
数据库·人工智能·milvus·连接池·向量数据库·向量化
seetimee8 天前
Milvus WeightedRanker 对比 RRF 重排机制
人工智能·python·milvus