版本：BYOC 开发指南

使用大 TopK

Zilliz Cloud 的 Collection 在一次搜索或查询结果中最多可返回 16,384 个实体。若需要突破该 topK 上限，您可以设置查询模式，让 Zilliz Cloud 在单次搜索或查询中返回数百万实体，而无需使用复杂且耗时的迭代器方案。

📘说明

该功能适用于与 Milvus v2.6.x 兼容的 Zilliz Cloud 集群。如需体验此功能，请联系我们。

概览

默认情况下，Zilliz Cloud Collection 在搜索或查询操作中的最大 topK 为 16,384。当您需要在单次请求中返回更多实体（例如批量相似性检索或数据挖掘场景），可以在 Collection 上将 query_mode 属性设置为 large_topk 以开启大 TopK模式。这样可将 topK 上限提升至 1,000,000（一百万）个实体。

启用大 TopK 后，底层索引策略会从默认 Auto Index 切换为 IVF（倒排文件索引） + RaBitQ 深度压缩。该组合针对高召回、大范围检索进行了优化，但会牺牲小 K 查询性能。

何时使用大 TopK

大 TopK 适用于需要在单次搜索中返回大量相似实体的场景，例如：

批量相似性检索：针对一个查询向量返回 top 100,000 或 top 1,000,000 的最相似项。
数据挖掘与分析：抽取大规模候选集，用于后续处理、过滤或模型训练。
回归测试准备：检索大结果集，构建仿真团队使用的测试语料。

对于交互式、时延敏感且 topK 较小（如 top 10 或 top 100）的在线查询，建议使用默认查询模式。

前置条件与权衡

启用大 TopK 前，请注意以下权衡：

小 K 性能下降：切换到 large_topk 后，小 K 查询（K < 16,384）相比默认模式会出现更高时延和更低召回。
查询时延：大 TopK 查询时延明显高于标准查询。topK=100,000 可能需要数秒，topK=1,000,000 可能需要数分钟。
资源占用：单次大 TopK 查询在结果排序阶段可能消耗数 GB 内存。在 Perf 集群上，这可能影响同集群内其他查询。
更适合离线场景：对于批处理负载，建议使用 On-demand Compute 数据库。数据库按需消耗 CU，不会影响在线服务。
需要重建索引：若 Collection 已有向量索引，需先 release 并删除现有索引后再启用大 TopK。重建期间Collection 搜索不可用。

启用大 TopK

在创建 Collection 时启用（推荐）

如果您已确定 Collection 需要大 TopK，建议在创建时直接指定，避免后续切换成本：

from pymilvus import MilvusClient

client = MilvusClient(uri="your_uri", token="your_token")

client.create_collection(
    collection_name="scenarios_corpus",
    schema=schema,
    index_params=index_params,
    properties={"query_mode": "large_topk"}
)

在已有 Collection 上启用

对于尚未创建向量索引的已有 Collection，可直接启用大 TopK：

client.alter_collection_properties(
    collection_name="scenarios_corpus",
    properties={"query_mode": "large_topk"}
)

对于已创建向量索引的 Collection，需先删除索引，再启用模式，最后重建索引：

# 1. Release 并删除现有索引
client.release_collection(collection_name="scenarios_corpus")
client.drop_index(collection_name="scenarios_corpus", index_name="vector_idx")

# 2. 启用 Large TopK
client.alter_collection_properties(
    collection_name="scenarios_corpus",
    properties={"query_mode": "large_topk"}
)

# 3. 重建索引（会自动使用 IVF + RaBitQ）
client.create_index(
    collection_name="scenarios_corpus",
    index_params=index_params
)
client.load_collection(collection_name="scenarios_corpus")

查看当前查询模式

info = client.describe_collection(collection_name="scenarios_corpus")
query_mode = info["properties"].get("query_mode")  # None 表示默认模式

关闭大 TopK

若需恢复默认查询模式，可删除 query_mode 属性。注意这同样需要先 release 并删除现有索引：

client.drop_collection_properties(
    collection_name="scenarios_corpus",
    property_keys=["query_mode"]
)

执行大 TopK 搜索

启用大 TopK 后，仍使用标准 search 方法，只需传入更大的 limit 值：

在线搜索（Serving Cluster）

results = client.search(
    collection_name="scenarios_serving",
    data=[query_vector],
    limit=500000
)

离线搜索（On-demand Compute）

results = client.search(
    collection_name="scenarios_corpus",
    data=[query_vector],
    limit=500000
)

导出搜索结果

大 TopK 结果没有专用导出 API。您可以组合现有能力，将结果写入 Managed Volume：

import pyarrow as pa
import pyarrow.parquet as pq

writer = None
try:
    for i, qvec in enumerate(query_vectors):
        results = client.search(
            collection_name="corpus",
            data=[qvec],
            limit=100000,
            output_fields=["scenario_id", "title"]
        )

        table = pa.Table.from_pylist([
            {"query_id": i, "rank": j, **r}
            for j, r in enumerate(results)
        ])

        if writer is None:
            writer = pq.ParquetWriter("/tmp/results.parquet", table.schema)
        writer.write_table(table)
finally:
    if writer is not None:
        writer.close()

volume_file_manager.upload_file_to_volume(
    source_file_path="/tmp/results.parquet",
    target_volume_path="results/batch.parquet"
)

性能预期

下表汇总了大 TopK 查询的性能特征：

指标	默认模式	大 TopK 模式
TopK 上限	16,384	1,000,000
小 K 时延	毫秒级	更高（有退化）
大 K 时延	不支持	秒级到分钟级
单次查询内存占用	低	最高可达数 GB
并发能力	高	受限（排队）
最佳适用场景	在线交互	批处理、数据挖掘

Zilliz Cloud 会对大 TopK 查询施加并发控制，以防资源耗尽。超过并发阈值的请求会排队，待资源可用后再执行。

限制

切换查询模式需要重建向量索引。重建期间该 Collection 搜索不可用。
大 TopK 是 Collection 级设置，Collection 上的所有索引都会受到影响。
三类集群（Performance-optimized、Capacity-optimized、Tiered Storage）均支持大 TopK。

常见问题

问：我可以频繁来回切换吗？

技术上可以，但不建议。每次切换都需要 release、删除并重建索引，期间搜索不可用。在按需集群上，每次重建还会产生 Index Build CU 费用。

概览​

何时使用大 TopK​

前置条件与权衡​

启用大 TopK​

在创建 Collection 时启用（推荐）​

在已有 Collection 上启用​

查看当前查询模式​

关闭大 TopK​

执行大 TopK 搜索​

在线搜索（Serving Cluster）​

离线搜索（On-demand Compute）​

导出搜索结果​

性能预期​

限制​

常见问题​

概览