以图搜图 2 Milvus 基础使用

谁借莪１个温暖的怀抱￠ 2022-09-12 12:54 239阅读 0赞

# 1 Milvus Docker 安装 #

官网教程：[https://milvus.io/cn/docs/v1.0.0/milvus\_docker-cpu.md][https_milvus.io_cn_docs_v1.0.0_milvus_docker-cpu.md]

我这里使用Linux Docker CPU 简单测试一下：

# pull 镜像
    sudo docker pull milvusdb/milvus
    
    # 创建一些必要的目录 我作为root直接创建的
    mkdir /root/milvus
    mkdir /root/milvus/conf
    mkdir /root/milvus/db
    mkdir /root/milvus/logs
    mkdir /root/milvus/wal
    
    # 下载一个配置文件到/root/milvus/conf目录中
    # https://github.com/milvus-io/milvus/blob/v0.10.1/core/conf/demo/server_config.yaml
    # 下载后放在/root/milvus/conf里面
    
    # 配置文件的含义可以看这个网页：
    # https://www.bookstack.cn/read/milvus-0.11.0-zh/a878066612a5cda1.md
    
    # 启动docker，后台启动
    docker run -d --name mymilvus  -p 19530:19530 -p 19121:19121 -v /root/milvus/db:/var/lib/milvus/db -v /root/milvus/conf:/var/lib/milvus/conf -v /root/milvus/logs:/var/lib/milvus/logs -v /root/milvus/wal:/var/lib/milvus/wal milvusdb/milvus:cpu-latest

此时就可以看看docker container 是否运行中：

docker ps

![在这里插入图片描述][3e1bce7fccc6420e98d223bcc2d4d061.png]  
如果看不到启动成功成这样，则查看日志：

docker logs mymilvus

# 2 Milvus 基本测试 #

用5000条向量创建collection：

# -*- coding: utf-8 -*-
    # 导入相应的包
    import numpy as np
    from milvus import Milvus, MetricType
    # 初始化一个Milvus类，以后所有的操作都是通过milvus来的
    milvus = Milvus(host='10.10.90.135', port='19530')
    # 向量个数
    num_vec = 5000
    # 向量维度
    vec_dim = 512
    # name
    collection_name = "test_collection"
    # 创建collection，可理解为mongo的collection
    collection_param = {
        
        'collection_name': collection_name,
        'dimension': vec_dim,
        'index_file_size': 32,
        'metric_type': MetricType.L2  # 使用L2作为度量值
    }
    milvus.create_collection(collection_param)
    # 随机生成一批向量数据
    # 支持ndarray，也支持list
    vectors_array = np.random.rand(num_vec, vec_dim)
    # 把向量添加到刚才建立的collection中
    status, ids = milvus.insert(collection_name=collection_name, records=vectors_array)  # 返回 状态和这一组向量的ID
    milvus.flush([collection_name])
    # 输出统计信息
    print(milvus.get_collection_stats(collection_name))
    # 如果不用可以删掉
    # status = milvus.drop_collection(collection_name)
    # 断开、关闭连接
    milvus.close()

快速搜搜出相似向量：

# -*- coding: utf-8 -*-
    # 导入相应的包
    import numpy as np
    from milvus import Milvus, MetricType
    # 初始化一个Milvus类，以后所有的操作都是通过milvus来的
    milvus = Milvus(host='10.10.90.135', port='19530')
    # 向量个数
    num_vec = 5000
    # 向量维度
    vec_dim = 512
    # name
    collection_name = "test_collection"
    # 创建collection，可理解为mongo的collection
    collection_param = {
        
        'collection_name': collection_name,
        'dimension': vec_dim,
        'index_file_size': 32,
        'metric_type': MetricType.L2  # 使用L2作为度量值
    }
    # 创建查询向量
    query_vec_array = np.random.rand(1, vec_dim)
    # 进行查询,
    status, results = milvus.search(collection_name=collection_name, query_records=query_vec_array, top_k=10)
    print(status)
    print(results)
    # 断开、关闭连接
    milvus.close()

[https_milvus.io_cn_docs_v1.0.0_milvus_docker-cpu.md]: https://milvus.io/cn/docs/v1.0.0/milvus_docker-cpu.md
[3e1bce7fccc6420e98d223bcc2d4d061.png]: /images/20220828/ac985157573f4e0b800d9a7900c11712.png