日本熟妇hd丰满老熟妇,中文字幕一区二区三区在线不卡 ,亚洲成片在线观看,免费女同在线一区二区

AI 助理
備案控制臺
文檔
輸入文檔關鍵字查找
首頁 向量檢索服務 產品概述 概念和術語 Schema Free

Schema Free

更新時間：
產品詳情
我的收藏

向量檢索服務DashVector在設計上支持Schema Free，在插入Doc、更新Doc、插入或更新Doc時，可設置任意KeyValue結構的字段(Field)，如下所示：

collection.insert(
    Doc(
        id='1',
        vector=np.random.rand(4),
        fields={
            'name': 'zhangsan', 
            'weight':70.0, 
            'age':30, 
            'anykey1': 'anyvalue', 
            'anykey2': 1,
            'anykey3': True, 
            'anykey4': 3.1415926
            ... ...
        }
    )
)
說明

更多的Fields將消耗更多的資源（如內存、磁盤）

Field支持的數據類型

當前DashVector支持Python的4種基礎數據類型：

  • str

  • float

  • int

  • bool

重要

Python的int類型可表達無限大小的整數，當前DashVector僅支持32位整數，范圍為-2,147,483,648~2,147,483,647，需要用戶自行保證數據未溢出。

檢索時通過Field進行條件過濾

插入Doc、更新Doc、插入或更新Doc時所設置的任意KeyValue結構的字段(Field)，可在檢索Doc進行條件過濾，如下所示：

ret = collection.query(
    vector=[0.1, 0.2, 0.3, 0.4],
    filter='(age > 18 and anykey2 = 1) or (name like "zhang%" and anykey3 = false)'
)
說明

更多的Fields在檢索時將消耗更多的資源（如CPU），同時復雜的filter表達式也將消耗更多的時間開銷才能獲取到結果

提前定義Field Schema的優勢

在新建Collection的時候，可以預先定義Field Schema，如下所示：

ret = client.create(
    name='complex', 
    dimension=4, 
    fields_schema={'name': str, 'weight': float, 'age': int}
)

這樣做的主要收益有如下3點：

  • 更快的檢索速度：條件過濾時，用預先定義的Field將會有更短的時間開銷和更少的CPU算力開銷

  • 更少的內存、磁盤占用：未預先定義的Field，需要存儲Field名稱和Field值，而預先定義的Field僅存儲Field值即可

  • filter預校驗：條件過濾時，預先定義的Field會校驗filter的語法，當遇到類型不匹配時，會快速失敗、立即返回；而未預先定義的Field，無法知道“正確”數據類型，無法進行預校驗

通常而言，對于確定性的、大多數Doc都具有的Field，建議在新建Collection的時候預先進行定義；對于無法提前預知、僅少量Doc獨有的Field，可以在插入Doc時設置。