SpringBoot集成Milvus實(shí)現(xiàn)數(shù)據(jù)增刪改查功能
更新時(shí)間：2025年04月16日 14:21:47 作者：大齡碼農(nóng)有夢(mèng)想
milvus支持的語(yǔ)言比較多,支持python, Java, Go,node等開(kāi)發(fā)語(yǔ)言,本文主要介紹如何使用Java語(yǔ)言,采用springboot框架集成和調(diào)用Milvus數(shù)據(jù)庫(kù),這篇文章主要介紹了SpringBoot集成Milvus,實(shí)現(xiàn)數(shù)據(jù)增刪改查,需要的朋友可以參考下
Milvus是一款開(kāi)源向量數(shù)據(jù)庫(kù)，主要用于在大模型領(lǐng)域做向量查詢的相關(guān)操作。milvus支持的語(yǔ)言比較多，支持python, Java, Go,node等開(kāi)發(fā)語(yǔ)言。本文主要介紹如何使用Java語(yǔ)言，采用springboot框架集成和調(diào)用Milvus數(shù)據(jù)庫(kù)。
本文示例使用的milvus版本是 v2.5.4，關(guān)于如何安裝部署milvus向量數(shù)據(jù)，請(qǐng)參考上一篇文章：https://lowcode.blog.csdn.net/article/details/145552128
本文使用Java sdk操作Milvus實(shí)現(xiàn)數(shù)據(jù)的增刪改查，需要先對(duì)milvus的基本概念有個(gè)初步的了解，便于對(duì)后面代碼的更好理解。milvus更多幫助請(qǐng)參考官方文檔：https://milvus.io/docs/overview.md
1、Milvus基本概念
- 數(shù)據(jù)庫(kù)Database：與傳統(tǒng)的數(shù)據(jù)庫(kù)引擎MySQL類似，你也可以在 Milvus 中創(chuàng)建數(shù)據(jù)庫(kù)，并為特定用戶分配權(quán)限來(lái)管理它們。然后，此類用戶有權(quán)管理數(shù)據(jù)庫(kù)中的集合。一個(gè) Milvus 集群最多支持 64 個(gè)數(shù)據(jù)庫(kù)。Milvus 集群附帶一個(gè)名為 'default' 的默認(rèn)數(shù)據(jù)庫(kù)。除非另有指定，否則將在 default 數(shù)據(jù)庫(kù)中創(chuàng)建集合。
- 集合Collection ：在 Milvus 中，你可以創(chuàng)建多個(gè)集合來(lái)管理數(shù)據(jù)，并將數(shù)據(jù)作為實(shí)體插入到集合中。Collection 和 entity 類似于關(guān)系數(shù)據(jù)庫(kù)中的 table 和 records。集合是具有固定列和變體行的二維表。每列表示一個(gè)字段，每行表示一個(gè)實(shí)體。Collection 是具有固定列和變體行的二維表。每列表示一個(gè)字段，每行表示一個(gè)實(shí)體。需要Schema來(lái)實(shí)現(xiàn)此類結(jié)構(gòu)數(shù)據(jù)管理，要插入的每個(gè)實(shí)體都必須滿足Schema中定義的約束。
- 實(shí)體Entity :在 Milvus 中，Entity 是指 Collection 中共享相同 Schema 的數(shù)據(jù)記錄，一行中每個(gè)字段的數(shù)據(jù)構(gòu)成一個(gè) Entity。因此，同一 Collection 中的 Entities 具有相同的屬性（例如字段名稱、數(shù)據(jù)類型和其他約束）。將 Entity 插入 Collection 時(shí)，要插入的 Entity 只有在包含 Schema 中定義的所有字段時(shí)才能成功添加。Milvus 還支持動(dòng)態(tài)字段，以保持 Collection 的可擴(kuò)展性。啟用動(dòng)態(tài)字段后，您可以將 Schema 中未定義的字段插入到 Collection 中。這些字段和值將作為鍵值對(duì)存儲(chǔ)在名為 $meta 的保留字段中。
2、添加maven依賴
創(chuàng)建springboot工程后，在pom.xml文件里引入milvus的sdk
<dependency>
<groupId>io.milvus</groupId>
<artifactId>milvus-sdk-java</artifactId>
<version>2.5.4</version>
</dependency>本示例使用的是milvus2.5.4最新版本，Java sdk 接口參考文檔：https://milvus.io/api-reference/java/v2.5.x/About.md
注意使用sdk版本跟milvus版本的對(duì)應(yīng)關(guān)系，milvus2.5.x版本建議使用sdk2.5.2以上版本，否則可能會(huì)出現(xiàn)一些詭異問(wèn)題。
3、配置yml文件
#配置milvus向量數(shù)據(jù)庫(kù)的IP和端口，后面構(gòu)建MilvusClient時(shí)需要
server: port: 8080 milvus: host: 192.168.3.17 port: 19530
4、創(chuàng)建MilvusClient初始化類
import io.milvus.v2.client.ConnectConfig;
import io.milvus.v2.client.MilvusClientV2;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
@Configuration
public class MilvusConfig {
@Value("${milvus.host}")
private String host;
@Value("${milvus.port}")
private Integer port;
@Bean
public MilvusClientV2 milvusClientV2() {
String uri = "http://"+host+":"+port;
ConnectConfig connectConfig = ConnectConfig.builder()
.uri(uri)
.build();
return new MilvusClientV2(connectConfig);
}
}5、創(chuàng)建操作向量庫(kù)的Seivce
import com.google.gson.Gson;
import com.google.gson.JsonObject;
import com.yuncheng.milvus.TestRecord;
import io.milvus.v2.client.MilvusClientV2;
import io.milvus.v2.common.DataType;
import io.milvus.v2.common.IndexParam;
import io.milvus.v2.service.collection.request.AddFieldReq;
import io.milvus.v2.service.collection.request.CreateCollectionReq;
import io.milvus.v2.service.vector.request.GetReq;
import io.milvus.v2.service.vector.request.InsertReq;
import io.milvus.v2.service.vector.request.SearchReq;
import io.milvus.v2.service.vector.request.data.FloatVec;
import io.milvus.v2.service.vector.response.GetResp;
import io.milvus.v2.service.vector.response.InsertResp;
import io.milvus.v2.service.vector.response.SearchResp;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.springframework.stereotype.Component;
import java.util.ArrayList;
import java.util.Collections;
import java.util.List;
@Component
public class MilvusDemoService {
private static final Logger log = LoggerFactory.getLogger(MilvusDemoService.class);
//類似于mysql中的表，定義一個(gè)名稱為collection_01的集合
private static final String COLLECTION_NAME = "collection_01";
//為了測(cè)試驗(yàn)證方便，向量維度定義2
private static final int VECTOR_DIM = 2;
private final MilvusClientV2 client;
public MilvusDemoService(MilvusClientV2 client) {
this.client = client;
}
/**
* 創(chuàng)建一個(gè)Collection
*/
public void createCollection() {
CreateCollectionReq.CollectionSchema schema = client.createSchema();
schema.addField(AddFieldReq.builder()
.fieldName("id")
.dataType(DataType.VarChar)
.isPrimaryKey(true)
.autoID(false)
.build());
schema.addField(AddFieldReq.builder()
.fieldName("title")
.dataType(DataType.VarChar)
.maxLength(10000)
.build());
schema.addField(AddFieldReq.builder()
.fieldName("title_vector")
.dataType(DataType.FloatVector)
.dimension(VECTOR_DIM)
.build());
IndexParam indexParam = IndexParam.builder()
.fieldName("title_vector")
.metricType(IndexParam.MetricType.COSINE)
.build();
CreateCollectionReq createCollectionReq = CreateCollectionReq.builder()
.collectionName(COLLECTION_NAME)
.collectionSchema(schema)
.indexParams(Collections.singletonList(indexParam))
.build();
client.createCollection(createCollectionReq);
}
/**
* 往collection中插入一條數(shù)據(jù)
*/
public void insertRecord(TestRecord record) {
JsonObject vector = new JsonObject();
vector.addProperty("id", record.getId());
vector.addProperty("title", record.getTitle());
List<Float> vectorList = new ArrayList<>();
//為了模擬測(cè)試，向量寫(xiě)死2個(gè)
vectorList.add(2.8f);
vectorList.add(3.9f);
Gson gson = new Gson();
vector.add("title_vector", gson.toJsonTree(vectorList));
InsertReq insertReq = InsertReq.builder()
.collectionName(COLLECTION_NAME)
.data(Collections.singletonList(vector))
.build();
InsertResp resp = client.insert(insertReq);
}
/**
* 通過(guò)ID獲取記錄
*/
public GetResp getRecord(String id) {
GetReq getReq = GetReq.builder()
.collectionName(COLLECTION_NAME)
.ids(Collections.singletonList(id))
.build();
GetResp resp = client.get(getReq);
return resp;
}
/**
* 按照向量檢索，找到相似度最近的topK
*/
public List<List<SearchResp.SearchResult>> queryVector() {
SearchResp searchR = client.search(SearchReq.builder()
.collectionName(COLLECTION_NAME)
.data(Collections.singletonList(new FloatVec(new float[]{0.9f, 2.1f})))
.topK(3)
.outputFields(Collections.singletonList("*"))
.build());
List<List<SearchResp.SearchResult>> searchResults = searchR.getSearchResults();
for (List<SearchResp.SearchResult> results : searchResults) {
for (SearchResp.SearchResult result : results) {
log.info("ID="+(String)result.getId() + ",Score="+result.getScore() + ",Result="+result.getEntity().toString());
}
}
return searchResults;
}
}這里使用到的一個(gè)簡(jiǎn)單的pojo類
public class TestRecord {
private String id;
private String title;
public String getId() {
return id;
}
public void setId(String id) {
this.id = id;
}
public String getTitle() {
return title;
}
public void setTitle(String title) {
this.title = title;
}
}6、創(chuàng)建Controller類
import com.yuncheng.milvus.service.MilvusDemoService;
import io.milvus.v2.service.vector.response.GetResp;
import io.milvus.v2.service.vector.response.SearchResp;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;
import java.io.IOException;
import java.util.List;
@RestController
@RequestMapping("/milvus")
public class MilvusController {
private static final Logger log = LoggerFactory.getLogger(MilvusController.class);
@Autowired
private MilvusDemoService milvusDemoService;
@GetMapping("/createCollection")
public void createCollection() {
milvusDemoService.createCollection();
}
@GetMapping("/insertRecord")
public void insertRecord() throws IOException {
TestRecord record = new TestRecord();
record.setId("5");
record.setTitle("北京是中國(guó)的首都，人口有3000多萬(wàn)人");
milvusDemoService.insertRecord(record);
}
@GetMapping("/getRecord")
public GetResp getRecord(@RequestParam(name = "id") String id){
GetResp resp = milvusDemoService.getRecord(id);
log.info("resp = " + resp.getResults);
return resp;
}
@GetMapping("/queryVector")
public List<List<SearchResp.SearchResult>> queryVector() {
List<List<SearchResp.SearchResult>> searchResults = milvusDemoService.queryVector();
return searchResults;
}
}7、測(cè)試驗(yàn)證CRUD
確保milvus2.5.4向量數(shù)據(jù)庫(kù)正常運(yùn)行，然后啟動(dòng)springboot工程，進(jìn)行對(duì)milvus向量數(shù)據(jù)庫(kù)測(cè)試驗(yàn)證。
7.1、創(chuàng)建Collection
http://localhost:8080/milvus/createCollection
執(zhí)行后，登錄milvus控制臺(tái)webUI查看
點(diǎn)擊collection名稱，查看詳細(xì)的結(jié)構(gòu)定義，類似于mysql中的表結(jié)構(gòu)定義：
其中，id、title、title_vector字段是程序里定義的字段，另外RowID和Timestamp字段是collection默認(rèn)自帶的字段。
7.2、插入數(shù)據(jù)
http://localhost:8080/milvus/insertRecord
為了測(cè)試方便，本示例寫(xiě)死了測(cè)試數(shù)據(jù)，往milvus中插入了5條數(shù)據(jù)
7.3、查詢單條記錄
http://localhost:8080/milvus/getRecord?id=2
返回JSON結(jié)果集
{
"getResults": [
{
"entity": {
"title_vector": [1, 2],
"id": "2",
"title": "張三是英國(guó)人，他喜歡吃中國(guó)火鍋"
}
}
]
}7.4、按向量檢索相似度
http://localhost:8080/milvus/queryVector
返回結(jié)果集：
[
[
{
"entity": {
"title_vector": [0.8, 1.9],
"id": "4",
"title": "王五是老師，她教學(xué)AI算法"
},
"score": 0.9999797,
"id": "4"
},
{
"entity": {
"title_vector": [1, 2],
"id": "2",
"title": "張三是英國(guó)人，他喜歡吃中國(guó)火鍋"
},
"score": 0.99827427,
"id": "2"
},
{
"entity": {
"title_vector": [1, 2],
"id": "1",
"title": "我是中國(guó)人，我喜歡吃火鍋"
},
"score": 0.99827427,
"id": "1"
}
]
]其中，score為向量相似度分值，如果score=1，則表示完全一樣,score小于1，表示接近。這里為了測(cè)試方面，插入數(shù)據(jù)時(shí)，在向量字段里寫(xiě)死了幾個(gè)固定的List<Float>值，真實(shí)的業(yè)務(wù)場(chǎng)景中，要通過(guò)Embedding模型計(jì)算生成，后續(xù)文章中介紹如何調(diào)用AI中的Embedding服務(wù)，生成向量化的float值。
到此這篇關(guān)于SpringBoot集成Milvus，實(shí)現(xiàn)數(shù)據(jù)增刪改查的文章就介紹到這了,更多相關(guān)SpringBoot集成Milvus內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
這篇文章主要為大家詳細(xì)介紹了java控制臺(tái)實(shí)現(xiàn)拼圖游戲，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2021-07-07
spring自定義一個(gè)簡(jiǎn)單的Starter啟動(dòng)器
這篇文章主要介紹了spring自定義一個(gè)簡(jiǎn)單的Starter啟動(dòng)器,一個(gè) starter其實(shí)就是對(duì)一個(gè)功能的集成封裝，然后對(duì)外提供一個(gè)依賴，讓業(yè)務(wù)去使用，像我們熟悉的 Redis，mongo，mybatis 等均屬于,需要的朋友可以參考下2023-07-07
詳解SpringCloud微服務(wù)架構(gòu)之Hystrix斷路器
本篇文章主要介紹了詳解SpringCloud微服務(wù)架構(gòu)之Hystrix斷路器，Hystrix是一個(gè)庫(kù)，通過(guò)添加延遲容差和容錯(cuò)邏輯來(lái)幫助您控制這些分布式服務(wù)之間的交互，有興趣的可以了解一下2018-01-01
Windows下使用Graalvm將Springboot應(yīng)用編譯成exe大大提高啟動(dòng)和運(yùn)行效率(推薦)
這篇文章主要介紹了Windows下使用Graalvm將Springboot應(yīng)用編譯成exe大大提高啟動(dòng)和運(yùn)行效率,本文通過(guò)圖文并茂的形式給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2023-02-02
Mybatis-plus:${ew.sqlselect}用法說(shuō)明
這篇文章主要介紹了Mybatis-plus:${ew.sqlselect}用法說(shuō)明，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2022-06-06
Java設(shè)計(jì)模式之原型設(shè)計(jì)示例詳解
這篇文章主要為大家詳細(xì)介紹了Java的原型設(shè)計(jì)模式，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下，希望能夠給你帶來(lái)幫助2022-03-03
K8S環(huán)境下如何驗(yàn)證RocketMQ擴(kuò)縮容
文章主要內(nèi)容驗(yàn)證了K8S環(huán)境下RocketMQ的擴(kuò)縮容特性,包括序號(hào)變化、命名規(guī)則以及節(jié)點(diǎn)重建后序號(hào)保持不變,StatefulSet確保Pod序號(hào)在重建后保持穩(wěn)定,而Deployment創(chuàng)建的Pod名稱是隨機(jī)的2025-01-01
理論上線程越多程序可能更快,但在實(shí)際使用中我們需要考慮到線程本身的創(chuàng)建以及銷毀的資源消耗,以及保護(hù)操作系統(tǒng)本身的目的我們通常需要將線程限制在一定的范圍之類,這篇文章主要給大家介紹了關(guān)于Spring Boot線程池使用的一些實(shí)用心得,需要的朋友可以參考下2021-09-09
Spring?Boot請(qǐng)求處理之常用參數(shù)注解使用教程
這篇文章主要給大家介紹了關(guān)于Spring?Boot請(qǐng)求處理之常用參數(shù)注解使用的相關(guān)資料,文中通過(guò)圖文介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2022-03-03
springboot整合vue項(xiàng)目(小試牛刀)
這篇文章主要介紹了springboot整合vue項(xiàng)目(小試牛刀)，小編覺(jué)得挺不錯(cuò)的，現(xiàn)在分享給大家，也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2018-09-09