Milvus 向量数据库的 DDL、DML、DQL 操作详解

何以解忧，唯有..2026-09-20 12:27

1. 引言

Milvus 是一款开源的分布式向量数据库，专为海量向量数据的存储、检索与分析而设计。它支持十亿级向量的毫秒级相似度搜索，广泛应用于推荐系统、图像检索、自然语言处理、生物信息学等 AI 场景。

与关系型数据库类似，Milvus 也提供了完整的数据库操作能力，可以划分为三大类：

  • DDL（Data Definition Language）：数据定义语言，用于创建、修改、删除数据库、集合、索引等结构对象。
  • DML（Data Manipulation Language）：数据操作语言，用于向集合中插入、删除、更新数据。
  • DQL（Data Query Language）：数据查询语言，用于检索数据，包括标量过滤和向量相似度搜索。

本文将以 Milvus 2.x 版本（PyMilvus 客户端）为例，系统讲解这三类操作的用法与最佳实践。

2. 环境准备

在开始之前，请确保已安装并启动 Milvus 服务，同时安装 Python 客户端：

bash 复制代码 
pip install pymilvus

连接 Milvus 服务：

python 复制代码 
from pymilvus import connections

# 连接 Milvus 服务
connections.connect(host="localhost", port="19530")

3. DDL 操作：数据定义

DDL 操作主要涉及数据库、集合（Collection）、字段（Field）、索引（Index）等结构的管理。

3.1 数据库管理

Milvus 2.x 支持多数据库隔离，默认数据库名为 default。

python 复制代码 
from pymilvus import utility

# 创建数据库
utility.create_database("my_db")

# 列出所有数据库
databases = utility.list_databases()
print(databases)

# 删除数据库
utility.drop_database("my_db")

3.2 创建集合

集合（Collection）类似于关系型数据库中的表。创建集合时需要定义 Schema，包括字段名称、类型、主键、向量维度等。

python 复制代码 
from pymilvus import CollectionSchema, FieldSchema, DataType, Collection

# 定义字段
book_id = FieldSchema(name="book_id", dtype=DataType.INT64, is_primary=True, auto_id=False)
book_name = FieldSchema(name="book_name", dtype=DataType.VARCHAR, max_length=256)
book_intro = FieldSchema(name="book_intro", dtype=DataType.VARCHAR, max_length=1024)
book_vector = FieldSchema(name="book_vector", dtype=DataType.FLOAT_VECTOR, dim=128)

# 构建 Schema
schema = CollectionSchema(
    fields=[book_id, book_name, book_intro, book_vector],
    description="图书信息集合",
    enable_dynamic_field=True
)

# 创建集合
collection = Collection(name="book", schema=schema)

3.3 查看与删除集合

python 复制代码 
# 查看所有集合
collections = utility.list_collections()
print(collections)

# 查看集合详情
collection = Collection("book")
print(collection.schema)
print(collection.num_entities)

# 删除集合
utility.drop_collection("book")

3.4 索引管理

索引是向量检索性能的关键。Milvus 支持多种索引类型，如 IVF_FLAT、HNSW、DISKANN 等。

python 复制代码 
from pymilvus import Index

# 创建向量索引
index_params = {
    "index_type": "HNSW",
    "metric_type": "IP",  # 内积度量
    "params": {"M": 16, "efConstruction": 200}
}
collection.create_index(field_name="book_vector", index_params=index_params)

# 创建标量索引
collection.create_index(field_name="book_name", index_params={"index_type": "Trie"})

# 查看索引
indexes = collection.indexes
for idx in indexes:
    print(idx.field_name, idx.params)

# 删除索引
collection.drop_index(field_name="book_vector")

4. DML 操作：数据操作

DML 操作负责对集合中的数据进行增、删、改。

4.1 插入数据

python 复制代码 
import random

# 构造数据
data = [
    [i for i in range(100)],  # book_id
    [f"book_{i}" for i in range(100)],  # book_name
    [f"intro_{i}" for i in range(100)],  # book_intro
    [[random.random() for _ in range(128)] for _ in range(100)]  # book_vector
]

# 插入数据
collection.insert(data)
collection.flush()  # 将数据落盘

4.2 删除数据

删除操作需要指定主键或过滤表达式：

python 复制代码 
# 按主键删除
collection.delete(expr="book_id in [0, 1, 2]")

# 按条件删除
collection.delete(expr='book_name == "book_3"')

4.3 更新数据

Milvus 目前不支持直接更新已有实体的字段值。通常的做法是「先删除、再插入」：

python 复制代码 
# 删除旧数据
collection.delete(expr="book_id == 5")

# 插入新数据
new_data = [
    [5],
    ["book_5_updated"],
    ["updated intro"],
    [[random.random() for _ in range(128)]]
]
collection.insert(new_data)
collection.flush()

5. DQL 操作：数据查询

DQL 是 Milvus 最核心的能力，包括标量查询、向量相似度搜索以及混合检索。

5.1 标量查询（Query）

按条件过滤标量字段，返回完整实体：

python 复制代码 
# 查询指定主键的数据
results = collection.query(expr="book_id in [10, 20, 30]", output_fields=["book_id", "book_name"])
print(results)

# 带条件过滤的查询
results = collection.query(expr='book_name like "book_1%"', output_fields=["book_id", "book_name"])

5.2 向量相似度搜索（Search）

向量搜索是 Milvus 的核心功能，通过计算向量间的距离返回最相似的 Top-K 结果：

python 复制代码 
# 构造查询向量
query_vector = [[random.random() for _ in range(128)]]

# 搜索参数
search_params = {
    "metric_type": "IP",
    "params": {"ef": 64}
}

# 执行搜索
results = collection.search(
    data=query_vector,
    anns_field="book_vector",
    param=search_params,
    limit=10,  # 返回 Top-10
    output_fields=["book_id", "book_name"]
)

for hits in results:
    for hit in hits:
        print(f"ID: {hit.id}, 距离: {hit.distance}, 名称: {hit.entity.get('book_name')}")

5.3 混合检索（带标量过滤的向量搜索）

在实际业务中，往往需要在向量搜索的同时加上标量条件过滤，以缩小搜索范围、提升精度：

python 复制代码 
# 在向量搜索中附加标量过滤条件
results = collection.search(
    data=query_vector,
    anns_field="book_vector",
    param=search_params,
    limit=10,
    expr='book_name like "book_1%"',  # 标量过滤
    output_fields=["book_id", "book_name"]
)

5.4 按主键获取向量

python 复制代码 
# 通过主键直接获取向量数据
results = collection.query(
    expr="book_id == 10",
    output_fields=["book_id", "book_vector"]
)
print(results[0]["book_vector"])

6. 完整示例：图书检索系统

下面是一个完整的示例，演示从建库、建集合、插入数据到向量检索的全流程：

python 复制代码 
from pymilvus import connections, CollectionSchema, FieldSchema, DataType, Collection, utility
import random

# 1. 连接服务
connections.connect(host="localhost", port="19530")

# 2. 创建集合
fields = [
    FieldSchema(name="book_id", dtype=DataType.INT64, is_primary=True),
    FieldSchema(name="book_name", dtype=DataType.VARCHAR, max_length=256),
    FieldSchema(name="book_vector", dtype=DataType.FLOAT_VECTOR, dim=128)
]
schema = CollectionSchema(fields=fields, description="图书集合")
collection = Collection(name="book_demo", schema=schema)

# 3. 创建索引
collection.create_index(
    field_name="book_vector",
    index_params={"index_type": "HNSW", "metric_type": "IP", "params": {"M": 16, "efConstruction": 200}}
)

# 4. 插入数据
data = [
    [i for i in range(1000)],
    [f"book_{i}" for i in range(1000)],
    [[random.random() for _ in range(128)] for _ in range(1000)]
]
collection.insert(data)
collection.flush()

# 5. 向量检索
collection.load()  # 加载到内存
query_vector = [[random.random() for _ in range(128)]]
results = collection.search(
    data=query_vector,
    anns_field="book_vector",
    param={"metric_type": "IP", "params": {"ef": 64}},
    limit=5,
    output_fields=["book_id", "book_name"]
)

for hits in results:
    for hit in hits:
        print(f"ID: {hit.id}, 距离: {hit.distance:.4f}, 书名: {hit.entity.get('book_name')}")

# 6. 清理
collection.release()
utility.drop_collection("book_demo")

7. 总结

8. Milvus 与 MySQL 对比

很多初学者会好奇：Milvus 和 MySQL 都是数据库，它们到底有什么区别？能否互相替代？下面从多个维度进行对比。

8.1 核心定位不同

维度 MySQL Milvus
定位 关系型数据库（RDBMS） 分布式向量数据库
数据模型 结构化表格数据（行 + 列） 集合（Collection）+ 字段（Field）
核心能力 事务处理、精确查询、复杂关联 海量向量相似度检索
典型场景 业务系统、订单、用户、账务 推荐系统、图像/文本/音频检索、RAG
数据规模 千万级以内表现良好 十亿级向量毫秒级检索

8.2 数据模型对比

MySQL 使用「表（Table）+ 行（Row）+ 列（Column）」模型，数据必须遵循严格的 Schema，支持主键、外键、唯一约束等完整性约束。

Milvus 使用「集合（Collection）+ 字段（Field）」模型，字段类型包括标量类型（INT64、VARCHAR、BOOL 等）和向量类型（FLOAT_VECTOR、BINARY_VECTOR 等）。Milvus 2.x 还支持动态字段（Dynamic Field），允许插入未在 Schema 中预定义的字段，灵活性更高。

8.3 查询能力对比

MySQL 的查询基于 SQL，支持 WHERE 条件过滤、JOIN 多表关联、GROUP BY 聚合、ORDER BY 排序、事务（ACID）等完整的关系代数能力。

Milvus 的查询分为两类：

  • 标量查询（Query） ：类似 MySQL 的 WHERE 过滤，但能力相对有限，不支持 JOIN、聚合函数等复杂操作。
  • 向量搜索（Search）：MySQL 无法直接实现的能力，通过计算向量间的距离（如欧氏距离、内积、余弦相似度）返回最相似的 Top-K 结果。

8.4 索引机制对比

维度 MySQL Milvus
索引类型 B+Tree、Hash、FullText 等 IVF_FLAT、HNSW、DISKANN、SCANN 等
索引目的 加速等值/范围查询 加速近似最近邻（ANN）搜索
是否必须 可选，用于优化性能 向量字段必须建索引才能搜索
索引构建 写入时自动维护 显式调用 create_index 构建

8.5 更新与删除对比

MySQL 支持完整的 INSERT、UPDATE、DELETE，支持事务回滚，数据一致性由 ACID 保证。

Milvus 的更新能力较弱：

  • 支持 insert 和 delete，但不支持直接更新已有实体的字段值，需采用「先删后插」策略。
  • 删除是逻辑删除，数据不会立即物理清除，需要后续 compaction 才能真正释放空间。
  • 不支持事务，数据一致性模型与 MySQL 有本质区别。

8.6 适用场景建议

选择 MySQL 的场景：

  • 需要强事务保证的业务系统（订单、支付、账务）。
  • 需要复杂关联查询、聚合统计、报表分析。
  • 数据量在千万级以内，以精确查询为主。

选择 Milvus 的场景：

  • 需要基于向量做相似度检索（语义搜索、以图搜图、推荐召回）。
  • 构建 RAG（检索增强生成）应用，为 LLM 提供知识库检索。
  • 数据量达到亿级甚至十亿级，需要分布式水平扩展。

8.7 两者可以互补

在实际生产系统中，Milvus 与 MySQL 并非二选一，而是经常配合使用：

  • MySQL 存储业务元数据（用户信息、订单、商品详情等）。
  • Milvus 存储向量数据（文本 Embedding、图像特征等）。
  • 检索时先用 Milvus 做向量召回，再用 MySQL 中的主键回表查询完整业务数据。

这种「MySQL + Milvus」的混合架构，既能利用 MySQL 的事务与精确查询能力，又能发挥 Milvus 的向量检索优势，是当前 AI 应用的主流实践。

本文系统介绍了 Milvus 向量数据库的三大类操作：

类别 操作 说明
DDL 创建/删除数据库、集合、索引 管理数据结构
DML 插入、删除、更新数据 管理数据内容
DQL 标量查询、向量搜索、混合检索 检索与分析数据

核心要点：

  • Milvus 的集合（Collection）对应关系型数据库的表，字段（Field）对应列。
  • 向量搜索必须提前创建索引，否则无法执行。
  • 更新操作采用「先删后插」策略。
  • 混合检索（向量 + 标量过滤）是生产环境中最常用的检索模式。

掌握 DDL、DML、DQL 三类操作，是熟练使用 Milvus 构建 AI 应用的基础。希望本文能帮助你快速上手 Milvus 向量数据库。

相关推荐
罗狮粉 991 小时前
AI-Gateway — 面向 AI Agent 的本地 Runtime Gateway
人工智能·python·inscode·ai编程
蓝胖的四次元口袋1 小时前
Python数据结构知识梳理
python
程序员清风1 小时前
生产级智能体平台设计：任务编排、工具管理与运行监控
人工智能·python·aigc
高级程序源1 小时前
django招聘网站信息爬取与分析系统79704-计算机课程设计、毕业设计
后端·python·mysql·小程序·django·flask·课程设计
Madison-No71 小时前
基于JMeter工具的性能测试(接口)
python·jmeter·postman
小白快快跑哦2 小时前
python-字符串全解（五）：字符串格式化表达式以及格式化方法（2）
python·字符串格式化方法
专业程序开发源2 小时前
springboot篮球联赛管理系统13635-计算机课程设计、毕业设计
vue.js·spring boot·后端·python·django·php·课程设计
lie..2 小时前
30天从零开始学AI应用开发（Day 3）：30 分钟搭好开发环境，Python + VSCode 一次配齐
人工智能·python·大模型
benchmark_cc2 小时前
策略临时需要一批股票的最新价格，先查行情还是先建股票池？——从量化策略执行逻辑看数据获取顺序
python·数据分析·pandas·量化交易·股票数据·quantdash
热门推荐
01国内可直接用、免费额度/永久免费的大模型API清单（含 SiliconFlow、火山、阿里、智谱、百度、Kimi、DeepSeek、DMXAPI 等）02蜘蛛磁力 搜索引擎大全，如何使用蜘蛛磁力查找磁力链接03GitHub 镜像站点04人工智能（AI）发展史：详细里程碑05历年考研数学一、数学二、数学三真题试卷及答案PDF06微信历史版本含下载地址（ Windows PC | 安卓 | MAC ）及设置微信不更新072026 国产 AI 大模型横评：DeepSeek、通义千问、Kimi、文心一言、星火、豆包谁更能打？08ZCode 周末送额度活动开启：3 亿 Token 免费领取092026 爱知・名古屋亚运会怎么看？直播平台+赛程安排分享10数学公理体系大全:第六章 选择公理的等价形式及证明