神器来袭,手把手教你使用 Milvus_cli
信息爆炸时代,我们每时每刻都在生产语音、图像、视频等非结构化数据向量数据。如何高效分析这些海量的数据?神经网络的出现使得非结构化数据得以被编码为向量,而 Milvus 数据库正是一款基础的数据服务软件,能帮助你完成向量数据的存储、搜索、分析。
如何快速上手 Milvus 向量数据库?
有小伙伴抱怨,SDK 执行命令也太长了吧,根本记不住啊……
能不能提供一键式的命令行直接操作数据库?
Milvus 向量数据库专属命令行工具 — Milvus_cli 来了!
Milvus_cli 是一款便捷的数据库客户端,支持数据库连接、数据导入和导出、向量间距离计算。可以使用交互式命令行提示符通过终端执行命令。Milvus_cli 支持如下特性:
Win,Mac,Linux 全平台适用
Pip 在线安装/离线 pip 安装包
绿色可执行文件,即开即用
Python SDK 功能全覆盖
内置帮助文档,随查随用
支持自动补全,提升效率
Milvus_cli 全平台可用,不依赖外部包,哪怕是在离线环境下,拷进 U 盘插上就能用。接下来,让我们上手试试看吧!
安装方法
你可以使用 Python 包管理在线安装,注意 Python 版本要在 3.8 以上。在线安装只需要一条命令即可:
是不是很简单?
考虑到 Milvus 数据库本身可能部署在离线环境,你可以直接从 release 页面直接下载 tar.gz 包离线安装。
milvus_cli 现有安装包,地址:https://github.com/zilliztech/milvus_cli/releases
下载好安装包后,在命令行敲:
安装完毕后,直接敲 milvus_cli
进入即可。
如果你是苹果 M1 芯片的用户,或者你没有 Python 环境,你可以下载绿色文件安装。在 release 页面直接下载对应操作系统的可执行文件即可,记得在使用之前 chmod +x
修改可执行权限,然后 ./
执行就可以啦。
以 v0.1.8-fix2-macOS
版本为例:
看到 milvus_cli > 提示符就代表已经进入 Milvus_cli,可以开始使用了!
使用方法
- 如何连接到 Milvus 数据库?
首先,确保你安装了 Milvus 数据库,安装方法可参考文档:https://milvus.io/cn/docs/v2.0.0/prerequisite-docker.md
如果你已连接本机并且不需要修改默认端口,直接敲 connect
:
如果你需要需要自定义 ip / 端口,可以参考以下示例:
- 如何创建 collection?
💡 Collection 包含一组 entity,可以等价于关系型数据库系统(RDBMS)中的表。如果你想了解更多关于 Milvus 数据库的术语,请参考:https://milvus.io/cn/docs/v2.0.0/glossary.md
接下来,我们尝试创建 collection:
开发小哥哥还贴心地提供了一个 example🤩,我们直接试一下这个测试 collection:
- 查看创建的 collection
采用列表的方式查看:
你可以使用 describe
命令查看更多的细节:
- 如何进行向量计算?
接下来,让我们来做个简单的向量间距离计算。先导入在线测试数据:
使用 query
命令查询 collection 中记录的 id:
然后按照步骤一步步输入计算距离所需要的参数:
- 如何删除数据?
如果你想要删除刚才创建的 collection:
以上就是一个完整的创建 collection 并进行向量计算的过程。
更多帮助
Milvus_cli 的功能不仅限于这些。你可以随时敲 help
查看帮助,了解更多命令用法。对于某条具体命令,可以在具体命令后敲 --help
查询。
或者参考文档:
https://github.com/zilliztech/milvus_cli/tree/main/doc
https://milvus.io/docs/v2.0.0/cli_overview.md
希望 Milvus_cli 可以帮助你更轻松地使用 Milvus 向量数据库!
Milvus_cli 正在持续优化中,我们欢迎你加入 Milvus_cli 的建设为我们贡献代码,如果你有任何问题,欢迎提交 GitHub Issue!
Zilliz 以重新定义数据科学为愿景,致力于打造一家全球领先的开源技术创新公司,并通过开源和云原生解决方案为企业解锁非结构化数据的隐藏价值。
Zilliz 构建了 Milvus 向量数据库,以加快下一代数据平台的发展。Milvus 数据库是 LF AI & Data 基金会的毕业项目,能够管理大量非结构化数据集,在新药发现、推荐系统、聊天机器人等方面具有广泛的应用。
评论