milvus实战案例给出python代码

以下是一个简单的milvus实战案例，使用python编写：

import milvus

# 连接milvus
client = milvus.Milvus(host='localhost', port='19530')

# 创建collection
param = {
    "fields": [
        {"name": "embedding", "type": milvus.DataType.FLOAT_VECTOR, "params": {"dim": 128}},
    ],
    "segment_row_limit": 4096,
    "auto_id": False,
    "description": "test_collection"
}
client.create_collection(collection_name="test_collection", schema=param)

# 插入数据
data = [
    [i/100 for i in range(128)],
    [(i/100+0.1) for i in range(128)],
    [(i/100+0.2) for i in range(128)]
]
ids = [1, 2, 3]
client.insert(collection_name="test_collection", records=data, ids=ids)

# 查询数据
query_embedding = [0.5 for i in range(128)]
results = client.search(collection_name="test_collection", query_records=[query_embedding], top_k=3)
print(results)

在这个案例中，我们首先使用milvus.Milvus()函数连接milvus服务器，然后使用client.create_collection()函数创建了一个名为test_collection的collection。这个collection只有一个字段embedding，类型为FLOAT_VECTOR，有128个维度。我们通过client.insert()函数向collection中插入了三个向量，并使用了ids参数指定了它们的id。最后，我们使用client.search()函数查询了与给定向量最相似的三个向量，并将结果打印出来。

以上是一个简单的milvus实战案例，供参考。