Milvus：Schema详解（四）

一、模式（Schema）的核心概念

在 Milvus 中，Schema 就像是数据的 "蓝图"，它定义了集合（Collection）的数据结构。如果把集合比作一个 "表格"，那么 Schema 就是这个表格的 "表头设计"------ 规定了表格里有哪些字段、每个字段存什么类型的数据、哪些字段是核心标识等。
为什么 Schema 如此重要？

数据一致性：所有插入集合的实体都必须遵循 Schema，避免数据格式混乱；
搜索效率：合理的 Schema 设计能让数据存储更有序，索引结构更简洁，直接提升搜索性能；
业务适配：Schema 直接决定了能否通过搜索实现业务目标，比如能否按时间过滤、能否关联多维度信息等。
举个生活中的例子：如果我们要建一个 "图书档案库"（集合），Schema 就需要定义 "图书 ID"（主键）、"图书内容向量"（向量字段）、"出版时间"（标量字段）、"作者"（标量字段）等，这样才能规范地管理和检索图书。

二、Schema 的组成结构

一个完整的 Milvus Schema 由三部分组成：

主键字段：唯一标识每个实体（类似身份证号）；
向量字段：存储向量嵌入（用于相似性搜索的核心数据）；
标量字段：存储元数据（用于过滤、排序或结果展示）。
下图直观展示了一个文章搜索场景的 Schema 结构：

文章集合 Schema
├─ 主键字段：article_id（唯一标识每篇文章）
├─ 向量字段：content_vector（文章内容的向量嵌入）
├─ 标量字段：
│ ├─ publish_time（发布时间，用于按时间过滤）
│ ├─ author（作者，用于按作者过滤）
│ ├─ title（标题，用于结果展示）
│ └─ is_published（是否发布，布尔类型过滤）

三、创建 Schema 的完整步骤

1. 初始化 Schema

首先需要创建一个空的 Schema 对象，后续再向其中添加字段。

python 复制代码

from pymilvus import MilvusClient, DataType

# 初始化 Milvus 客户端
client = MilvusClient(uri="http://localhost:19530", token="root:Milvus")

# 创建一个空的 Schema
schema = MilvusClient.create_schema()

2. 添加主键字段

主键字段是集合中每个实体的唯一标识，相当于 "身份证号"，必须设置且唯一。

主键字段的核心属性：

数据类型 ：仅支持 INT64（整数）或 VARCHAR（字符串）；
is_primary ：必须设为 True（标识为主键）；
auto_id ：是否自动生成主键（True 则插入时无需指定，False 则需手动输入）。

示例 1：整数类型主键（手动指定 ID）

python 复制代码

schema.add_field(
    field_name="article_id",  # 字段名：文章ID
    datatype=DataType.INT64,  # 数据类型：64位整数
    is_primary=True,          # 标识为主键
    auto_id=False             # 不自动生成，需手动输入
)

此时插入数据时，必须指定 article_id 的值（如 1001、1002）。

示例 2：字符串类型主键（自动生成 ID）

python 复制代码

schema.add_field(
    field_name="user_id",
    datatype=DataType.VARCHAR,  # 数据类型：字符串
    max_length=64,              # 字符串最大长度（必填）
    is_primary=True,
    auto_id=True                # 自动生成唯一字符串ID
)

此时插入数据时，无需指定 user_id，Milvus 会自动生成类似 usr_6f2d9b 的唯一标识。

3. 添加向量字段

向量字段是 Milvus 用于相似性搜索的核心，存储将文本、图像等转化后的向量嵌入。一个集合最多可添加 4 个向量字段。

常见向量类型及适用场景：

示例：添加文本向量字段

python 复制代码

schema.add_field(
    field_name="content_vector",  # 字段名：内容向量
    datatype=DataType.FLOAT_VECTOR,  # 类型：32位浮点数向量
    dim=768  # 向量维度（必填）：如BERT模型生成的向量通常为768维
)

这里的 dim 参数必须与实际生成的向量维度一致，否则插入会失败。

4. 添加标量字段

标量字段用于存储元数据，支持过滤、排序或结果展示。Milvus 支持多种标量类型，以下是常用类型的示例：

（1）字符串字段（VARCHAR）

用于存储文本信息（如标题、描述），需指定最大长度。

python 复制代码

schema.add_field(
    field_name="title",  # 字段名：文章标题
    datatype=DataType.VARCHAR,
    max_length=512  # 最大长度512字符
)

（2）数字字段（整数 / 浮点数）

用于存储数量、时间戳等，支持 INT8/INT16/INT32/INT64（整数）和 FLOAT/DOUBLE（浮点数）。

python 复制代码

# 示例：添加发布时间戳（整数类型）
schema.add_field(
    field_name="publish_timestamp",
    datatype=DataType.INT64  # 存储Unix时间戳（毫秒级）
)

# 示例：添加评分（浮点数类型）
schema.add_field(
    field_name="rating",
    datatype=DataType.FLOAT  # 如3.5、4.2等评分
)

（3）布尔字段（BOOL）

用于存储 "是 / 否" 类信息（如是否发布、是否推荐）。

python 复制代码

schema.add_field(
    field_name="is_recommended",
    datatype=DataType.BOOL  # 值为True或False
)

（4）JSON 字段

用于存储半结构化数据（如复杂的属性配置）。

python 复制代码

schema.add_field(
    field_name="metadata",
    datatype=DataType.JSON  # 可存储{"source": "web", "tags": ["tech", "ai"]}等
)

（5）数组字段（ARRAY）

用于存储同类型元素的列表（如标签列表、作者列表），需指定元素类型和最大容量。

python 复制代码

schema.add_field(
    field_name="tags",
    datatype=DataType.ARRAY,
    element_type=DataType.VARCHAR,  # 数组元素为字符串
    max_capacity=10,  # 最多存储10个标签
    max_length=64  # 每个标签最大长度64字符
)

此时该字段可存储类似 ["机器学习", "Milvus", "向量数据库"] 的数据。

5. 完整 Schema 示例（文章搜索场景）

python 复制代码

from pymilvus import MilvusClient, DataType

client = MilvusClient(uri="http://localhost:19530", token="root:Milvus")

# 创建Schema
schema = MilvusClient.create_schema(
    description="Schema for article search",  # 可选：添加描述
    enable_dynamic_field=False  # 关闭动态字段（严格遵循定义的字段）
)

# 添加主键字段
schema.add_field(
    field_name="article_id",
    datatype=DataType.INT64,
    is_primary=True,
    auto_id=False
)

# 添加向量字段（文章内容向量）
schema.add_field(
    field_name="content_vector",
    datatype=DataType.FLOAT_VECTOR,
    dim=768
)

# 添加标量字段
schema.add_field(
    field_name="title",
    datatype=DataType.VARCHAR,
    max_length=512
)
schema.add_field(
    field_name="publish_timestamp",
    datatype=DataType.INT64
)
schema.add_field(
    field_name="author",
    datatype=DataType.VARCHAR,
    max_length=128
)
schema.add_field(
    field_name="is_published",
    datatype=DataType.BOOL
)
schema.add_field(
    field_name="tags",
    datatype=DataType.ARRAY,
    element_type=DataType.VARCHAR,
    max_capacity=10,
    max_length=64
)

# 查看Schema结构
print("Schema详情：")
for field in schema.fields:
    print(f"字段名：{field.name}，类型：{field.dtype}，是否主键：{field.is_primary}")

四、Schema 设计的注意事项

提前规划字段：Schema 一旦创建（集合创建后），字段类型和主键属性无法修改，需提前确认业务需求；
向量维度匹配 ：向量字段的 dim 必须与实际生成的向量维度一致（如模型输出为 1024 维，则 dim=1024）；
合理设置长度 ：VARCHAR 和数组的 max_length 不宜过大（避免浪费空间），也不宜过小（避免数据截断）；
动态字段开关 ：enable_dynamic_field=True 时允许插入未定义的字段，但会影响性能，建议关闭。

五、总结

Schema 是 Milvus 集合的 "骨架"，它决定了数据的组织方式和搜索能力。设计时需结合业务场景，明确主键、向量字段和标量字段的用途，确保既能满足相似性搜索需求，又能通过元数据过滤提升结果准确性，后续会针对每种类型进行详细介绍。