什麼是向量檢索服務的SchemaFree - Vector Retrieval Service

向量檢索服務DashVector在設計上支援Schema Free，在插入Doc、更新Doc、插入或更新Doc時，可設定任意KeyValue結構的欄位(Field)，如下所示：

Python

collection.insert(
    Doc(
        id='1',
        vector=np.random.rand(4),
        fields={
            'name': 'zhangsan', 
            'weight':70.0, 
            'age':30, 
            'anykey1': 'anyvalue', 
            'anykey2': 1,
            'anykey3': True, 
            'anykey4': 3.1415926
            ... ...
        }
    )
)

說明

更多的Fields將消耗更多的資源（如記憶體、磁碟）

Field支援的資料類型

當前DashVector支援Python的4種基礎資料類型：

str
float
int
bool

重要

Python的int類型可表達無限大小的整數，當前DashVector僅支援32位整數，範圍為-2,147,483,648~2,147,483,647，需要使用者自行保證資料未溢出。

檢索時通過Field進行條件過濾

插入Doc、更新Doc、插入或更新Doc時所設定的任意KeyValue結構的欄位(Field)，可在檢索Doc進行條件過濾，如下所示：

Python

ret = collection.query(
    vector=[0.1, 0.2, 0.3, 0.4],
    filter='(age > 18 and anykey2 = 1) or (name like "zhang%" and anykey3 = false)'
)

說明

更多的Fields在檢索時將消耗更多的資源（如CPU），同時複雜的filter運算式也將消耗更多的時間開銷才能擷取到結果

提前定義Field Schema的優勢

在建立Collection的時候，可以預先定義Field Schema，如下所示：

Python

ret = client.create(
    name='complex', 
    dimension=4, 
    fields_schema={'name': str, 'weight': float, 'age': int}
)

這樣做的主要收益有如下3點：

更快的檢索速度：條件過濾時，用預先定義的Field將會有更短的時間開銷和更少的CPU算力開銷
更少的記憶體、磁碟佔用：未預先定義的Field，需要儲存Field名稱和Field值，而預先定義的Field僅儲存Field值即可
filter預校正：條件過濾時，預先定義的Field會校正filter的文法，當遇到類型不符時，會快速失敗、立即返回；而未預先定義的Field，無法知道“正確”資料類型，無法進行預校正

通常而言，對於確定性、大多數Doc都具有的Field，建議在建立Collection的時候預先進行定義；對於無法提前預知、僅少量Doc專屬的Field，可以在插入Doc時設定。