Collection

Near Deprecation

Collection 实例表示一个 Milvus Collection。

python

class pymilvus.Collection

构造函数

通过名称、Schema 和其他参数构造一个 Collection。

python

Collection(
    name: str,
    schema: CollectionSchema,
    using: str
) 

参数：

• name (string) -

  [必填]

  要创建的 Collection 的名称。

• schema (CollectionSchema) -

  用于创建 Collection 的 Schema。

  默认值为 None，表示使用默认 Schema。

  📘Note

  什么是 Schema？

  Schema 负责组织目标 Collection 中的数据。一个有效的 Schema 应包含多个字段，其中必须包括主键字段、向量字段以及多个标量字段。

• using (string) -

  所使用连接的别名。

  默认值为 default，表示此操作使用默认连接。

• num_shards (int) -

  在创建此 Collection 时一同创建的分片数量。

  该值默认为 1，表示随此 Collection 一同创建一个分片。

  📘Note

  什么是分片？

  分片是指将写操作分发到不同节点，以最大限度利用 Milvus 集群在数据写入方面的并行计算能力。

  默认情况下，一个 Collection 包含一个分片。

• consistency_level (int | str)

  目标 Collection 的一致性级别。

  该值默认为 Bounded（1），可选值包括 Strong（0）、Bounded（1）、Session（2）和 Eventually（3）。

  📘Note

  什么是一致性级别？

  在分布式 Database 中，一致性特指这样一种属性：在某一时刻进行数据写入或读取时，确保每个节点或副本看到的数据视图相同。

  Zilliz Cloud 提供三种一致性级别：Strong、Bounded Staleness 和 Eventually，其中默认级别为 Bounded Staleness。

  在执行向量相似性搜索或查询时，您可以轻松调整一致性级别，使其最适合您的应用。

• timeout (float | None)

  此操作的超时时长。将其设置为 None 表示当收到任何响应或发生任何错误时，此操作才会超时。

返回类型：

Collection

返回值：

一个 Collection 对象。

异常：

• SchemaNotReadyException

  当提供的 Schema 无效时，将引发此异常。

示例

python

from pymilvus import Collection, CollectionSchema, FieldSchema, DataType

# Create a collection using the user-defined schema
primary_key = FieldSchema(
    name="id",
    dtype=DataType.INT64,
    is_primary=True,
)

vector = FieldSchema(
    name="vector",
    dtype=DataType.FLOAT_VECTOR,
    dim=768,
)

schema = CollectionSchema(
    fields = [primary_key, vector]
)

collection = Collection(
    name="test_01",
    schema=schema,
    using="default"
)

成员

以下是 Collection 类的成员：