Collection
Collection 是 Zilliz Cloud 所有概念中最重要的一个概念。基本上所有的操作都是围绕着 Collection 展开的。本章将介绍如何在 Collection 中进行增、删、改、查。
管理 Collection [READ MORE]
本指南将介绍如何通过 Zilliz Web 控制台或 SDK 管理使用 Collection。
管理 Index [READ MORE]
本教程将介绍如何通过 SDK 管理向量和标量索引。
管理 Partition [READ MORE]
本教程将介绍如何在 Collection 中创建和管理 Partition。
Insert, Upsert 和 Delete [READ MORE]
本教程将介绍如何在 Collection 中进行数据操作，包括 insert（插入）、upsert（更新插入） 和 delete（删除）entities。
Search, Query 和 Get [READ MORE]
本章介绍了如何在 的 collection 中执行相似性搜索（search）和标量查询（query）。
开启动态字段 [READ MORE]
本小节将介绍如何使用 Collection 中预留的动态字段灵活存取数据。
使用 Partition Key [READ MORE]
本指南将指导您使用 Partition Key 来加快从 Collection 中检索数据的速度。
使用 JSON 类型字段 [READ MORE]
JSON 全称为 JavaScript Object Notation，是一种轻量级且易于使用的文本数据格式。本节将帮助您了解如何使用 JSON 类型的字段，包括插入 JSON 值，使用简单和高级操作符在 JSON 字段中进行标量过滤等。
使用 Array 类 型字段 [READ MORE]
本节将帮助您了解如何使用 Array 类型的字段，包括插入数组，使用简单和高级操作符在数组字段中进行标量过滤等。
使用 Sparse Vector [READ MORE]
稀疏向量 (sparse vector) 使用向量 embedding 来表示单词或短语，其中大部分元素为零，只有少数非零元素表示特定特征的存在。像 SPLADEv2 这样的 sparse vector 模型在域外知识搜索、关键词感知和可解释性方面优于 dense vector 模型。Sparse vector 在信息检索、自然语言处理和推荐系统中尤其有用，通过结合用于召回的 sparse vector 和用于排名的大语言模型，可以显著提高检索结果。
使用 Binary Vector [READ MORE]
Binary vector 是一种数据表示方式，其中每个元素都是 0 或 1。它们在大数据集中的相似性搜索等场景中非常有用，因为二进制特性使得可以使用 Hamming 或 Jaccard 距离等度量高效计算相似性。本指南将演示如何在 Zilliz Cloud 中使用 binary vector。