Milvus 实战：Attu 可视化安装与 Python 整合指南

核心链路为：连接服务 → 数据库操作 → 集合操作 → 数据操作 → 检索查询。

连接 Milvus 服务

推荐直接使用 MilvusClient，语法更简洁。

# 方式 1：传统 connections.connect
from pymilvus import connections, db
conn = connections.connect(host="192.168.229.128", port=19530)

# 方式 2：MilvusClient（推荐，2.3+ 支持）
from pymilvus import MilvusClient
client = MilvusClient("http://192.168.229.128:19530")

数据库操作

from pymilvus import connections, db

connections.connect(host="192.168.229.128", port=19530)

# 创建数据库
db.create_database("my_rag_database")

# 切换使用目标数据库
db.using_database("my_rag_database")

# 列出所有数据库
all_dbs = db.list_database()
print("所有数据库：", all_dbs)  # 输出：['default', 'my_rag_database']

# 删除数据库（谨慎操作）
db.drop_database("my_rag_database")

Collection 与 Schema 实战：静态 + 动态字段

Collection 相当于'数据表'，Schema 定义结构（字段类型、主键、向量维度）。支持静态和动态两种模式。

核心概念

• Schema：由多个 FieldSchema 组成。
• FieldSchema：单个字段定义，含名称、类型、是否主键、向量维度等。
• 静态 Schema：字段固定，适用于数据结构稳定场景。
• 动态 Schema：支持新增未定义字段，适用于日志、多变数据场景（Milvus 2.3+ 支持）。

常用字段类型

静态 Schema 创建

from pymilvus import connections, FieldSchema, DataType, CollectionSchema, Collection

# 连接并切换数据库
connections.connect(host="192.168.229.128", port=19530)
db.using_database("my_rag_database")

# 定义字段（静态 Schema：所有字段提前声明）
fields = [
    FieldSchema(name="id", dtype=DataType.INT64, is_primary=True),
    FieldSchema(name="embedding", dtype=DataType.FLOAT_VECTOR, dim=128),
    FieldSchema(name="doc_tag", dtype=DataType.VARCHAR, max_length=50)
]

# 创建 Schema
schema = CollectionSchema(
    fields=fields,
    description="RAG 系统文档向量集合（静态字段）",
    enable_dynamic_field=False
)

# 创建 Collection（shards_num 影响分布式扩展）
collection = Collection(
    name="static_doc_collection",
    schema=schema,
    shards_num=2
)
print("Collection 创建成功！")

动态 Schema 创建与插入

动态 Schema 允许插入未定义的字段，灵活适配多变数据。

from pymilvus import connections, FieldSchema, DataType, CollectionSchema, Collection

connections.connect(host="192.168.229.128", port=19530)
db.using_database("my_rag_database")

# 仅声明必要字段
fields = [
    FieldSchema(name="id", dtype=DataType.INT64, is_primary=True),
    FieldSchema(name="embedding", dtype=DataType.FLOAT_VECTOR, dim=128)
]

# 启用动态字段
dynamic_schema = CollectionSchema(
    fields=fields,
    description="RAG 系统动态字段集合",
    enable_dynamic_field=True
)

# 创建 Collection
dynamic_collection = Collection(
    name="dynamic_doc_collection",
    schema=dynamic_schema,
    shards_num=2
)

# 插入数据（包含未定义的动态字段 color、doc_source）
data = [
    {"id": 0, "embedding": [0.358, -0.602, 0.184, -0.263, 0.903], "color": "pink_8682", "doc_source": "pdf_file_1.pdf"},
    {"id": 1, "embedding": [-0.334, -0.257, 0.899, 0.940, 0.538], "color": "grey_8510", "doc_source": "docx_file_2.docx"}
]

insert_result = dynamic_collection.insert(data=data)
print("数据插入成功，插入 ID：", insert_result.primary_keys)

关键参数说明

• shards_num：分片数量，创建后不可修改，直接影响分布式扩展能力。
• enable_dynamic_field：是否启用动态字段，Milvus 2.3+ 版本支持。
• dim：向量维度，需与嵌入模型输出的向量维度完全一致。