跳到主要内容
版本：Cloud 开发指南

RTREE
公测版

RTREE 索引是一种基于树形结构的数据索引方式，用于加速 Zilliz Cloud 中 GEOMETRY（几何类型）字段 的查询。

如果你的 Collection 存储了点（Point）、线（Line）或多边形（Polygon）等以 Well-known text (WKT) 格式表示的几何对象，并希望提升空间过滤性能，那么 RTREE 是理想的选择。

工作原理​

Zilliz Cloud 使用 RTREE 索引以高效地组织和过滤几何数据，主要分为两个阶段：

阶段 1：构建索引​

  1. 创建叶子节点：为每个几何对象计算其最小外包矩形（MBR，Minimum Bounding Rectangle），即能完全包围该对象的最小矩形，并将其作为叶子节点存储。

  2. 分组形成更大的矩形框：将相邻的叶子节点聚类，并为每一组计算新的 MBR，形成内部节点。例如，分组 B 包含 D 和 E；分组 C 包含 F 和 G。

  3. 添加根节点：为所有内部节点添加一个根节点，其 MBR 覆盖所有下属分组，从而形成一个高度平衡的树结构。

Y6VnwP4xQhQRnubMswfc9suBnyf

阶段 2：加速查询​

  1. 生成查询 MBR：为查询中使用的几何对象计算其 MBR。

  2. 剪枝操作：从根节点开始，将查询 MBR 与每个内部节点的 MBR 进行比较，跳过所有与查询 MBR 不相交的分支。

  3. 收集候选节点：进入相交的分支，收集可能匹配的叶子节点。

  4. 精确匹配：对候选节点执行精确的空间谓词判断，以确定真正的匹配对象。

创建 RTREE 索引​

你可以在 Collection 的 GEOMETRY 字段上创建 RTREE 索引。

from pymilvus import MilvusClient

client = MilvusClient(uri="YOUR_CLUSTER_ENDPOINT") # Replace with your server address

# Assume you have defined a GEOMETRY field named "geo" in your collection schema

# Prepare index parameters
index_params = client.prepare_index_params()

# Add RTREE index on the "geo" field
# highlight-start
index_params.add_index(
    field_name="geo",
    index_type="RTREE",      # Spatial index for GEOMETRY
    index_name="rtree_geo",  # Optional, name your index
    params={}                # No extra params needed
)
# highlight-end

# Create the index on the collection
client.create_index(
    collection_name="geo_demo",
    index_params=index_params
)

使用 RTREE 查询​

在过滤表达式中使用几何运算符（geometry operator）进行过滤。当目标 GEOMETRY 字段存在 RTREE 索引时，Zilliz Cloud 会自动利用索引进行候选剪枝；

若不存在索引，则会退化为全量扫描。

完整的几何运算符列表参见 Geometry 操作符。

示例 1：数据过滤​

查找位于指定多边形范围内的所有几何对象：

filter_expr = "ST_CONTAINS(geo, 'POLYGON ((0 0, 10 0, 10 10, 0 10, 0 0))')"

res = client.query(
    collection_name="geo_demo",
    filter=filter_expr,
    output_fields=["id", "geo"],
    limit=10
)
print(res)   # Expected: a list of rows where geo is entirely inside the polygon

示例 2：向量搜索 + 空间过滤​

查找与指定线段相交的最近向量：

# Assume you've also created an index on "vec" and loaded the collection.
query_vec = [[0.1, 0.2, 0.3, 0.4, 0.5]]
filter_expr = "ST_INTERSECTS(geo, 'LINESTRING (1 1, 2 2)')"

hits = client.search(
    collection_name="geo_demo",
    data=query_vec,
    limit=5,
    filter=filter_expr,
    output_fields=["id", "geo"]
)
print(hits)  # Expected: top-k by vector similarity among rows whose geo intersects the line

更多关于 GEOMETRY 字段的使用方法，请参见 Geometry 类型。

删除索引​

使用 drop_index() 删除索引。

client.drop_index(
    collection_name="geo_demo",   # Name of the collection
    index_name="rtree_geo" # Name of the index to drop
)