跳到主要内容

向量操作

向量类型映射​

JDBC 驱动根据集合字段定义转换向量参数。FLOAT_VECTOR(n) 接受数值列表或一维数值基本类型数组，读取为 List<Float>，长度必须为 n。二进制、半精度等编码要求见向量值。

Milvus 2.6.2 的向量字段不能为 NULL。

KNN 近邻排序​

搜索前创建索引并执行 LOAD TABLE。查询度量必须与索引的 metric_type 一致，不能直接用 L2 索引执行 COSINE 查询。

LambdaTemplate lambda = new LambdaTemplate(dataSource);
List<Float> target = List.of(0.1f, 0.2f);
List<BookVector> rows = lambda.query(BookVector.class)
        .gt(BookVector::getWordCount, 500)
        .orderByL2(BookVector::getBookIntro, target)
        .initPage(5, 0)
        .queryForList();

这会执行带标量过滤的 Search 请求，取最近的 5 个候选。一次 ORDER BY 只接收一个查询向量，不接收多个查询向量组成的列表。

BM25 先配置 BM25 函数与索引，再用 orderByBM25("sparse", "hybrid search") 传入检索文本，按分数从高到低返回。

通过 JdbcTemplate 手写带参数的 BM25 命令时，操作符 <?> 中的问号需要转义：

List<Map<String, Object>> rows = jdbc.queryForList(
        "SELECT id FROM docs ORDER BY sparse <\\?> ? LIMIT 10",
        new Object[] { "hybrid search" });

驱动收到的操作符仍为 <?>，只有后面的 ? 绑定文本。构造器 API 自动处理这层转义；直接使用 JDBC 时也无需添加反斜杠。

距离范围过滤​

Milvus 的 COSINE、IP 返回相似度分数，越大越相似。vectorByCosine、vectorByIP 使用分数下限；例如相似度大于 0.8：

List<BookVector> rows = lambda.query(BookVector.class)
        .vectorByCosine(BookVector::getBookIntro, target, 0.8)
        .initPage(10, 0)
        .queryForList();

此例需要 COSINE 索引，生成 book_intro <=> ? > ?，阈值直接传 0.8。vectorByL2 使用距离上限，生成小于阈值的条件。

vectorByBM25 同样使用分数下限；Hamming、Jaccard 则针对二进制向量使用距离上限。

组合查询​

一个向量范围可通过 AND 组合标量条件，不与 OR、NOT、另一个向量范围或向量 ORDER BY 同用。

多路向量检索​

标量过滤加单路向量检索不是多路融合。需要合并多路候选时，使用 HYBRID 命令选择各检索路径和重排方式：

公共构造器 API 用法见向量查询。