Milvus 实战案例：Python 代码示例

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')

# 创建集合
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 的集合。这个集合只有一个字段 embedding，类型为 FLOAT_VECTOR，有 128 个维度。我们通过 client.insert() 函数向集合中插入了三个向量，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。