DashVector：檢索向量

在左側二級導覽列，單擊相似向量搜尋，填寫相應內容後，單擊搜尋，即可返回相似向量結果。

1. 單向量Collection向量檢索向量檢索參數設定如下所示。

   參數	對應API參數名稱	說明	是否必選
   Query Vector	vector	向量資料，例如[1.0,2.0,3.0,4.0]。 說明 向量維度和資料類型必須與Collection一致。	是
   過濾條件	filter	過濾條件，需滿足SQL where子句規範，請參見條件過濾檢索。	否
   Partition	partition	Partition名稱。預設為default，請根據需要選擇不同的Partition。	是
   TopK	topk	最大可返回的向量條數。TopK預設10，最大可支援1024。	是

   返回結果參數說明如下所示。

   參數	對應API參數名稱	說明
   距離	score	向量相似性 不同的距離度量方式，向量間距離的數值表示並不相同，請參見什麼是向量。 返回結果根據向量相似性降序排列。
   主鍵ID	id	相似向量的主鍵ID。
   向量	vector	向量資料，例如[1.0,2.0,3.0,4.0]。
   屬性	fileds	json欄位參數，例如{"price":100,"type":"dress"}。
   Partition	partition	相似向量所在的partition。

2. 多向量Collection向量檢索

   說明

   • 點擊新增Query Vector，下方會多出一條記錄，向量條數不能超過Collection中定義的向量條數。

   • 點擊右側刪除按鈕，本條記錄被刪除。

   向量檢索參數設定如下所示。

   參數	對應API參數名稱	說明	是否必選
   向量名稱	{VectorName}	自訂。需要滿足如下要求： 命名長度為3-32個字元。 必須由大小寫字母、數字和符號(_，-)組成。例如：vector1、vector_1、vector_a_name。 向量名稱在本Collection中必須唯一，不允許兩個相同的向量名稱同時存在。 說明 向量名稱只能選擇建立Collection時填寫的向量名稱。	是
   Query Vector	vector	向量資料，例如[1.0,2.0,3.0,4.0]。 說明 向量維度和資料類型必須與建立Collection時定義的一致。	是
   候選向量條數	num_candidates	單向量召回多少條結果。預設等於topk（10）。	否
   權重	Optional[Dict[str, float]	只有排序方式選擇WeightRank時，才需要設定。預設是權重相同1.0:1.0:1.0···，詳見WeightedRanker。	是
   排序方式	RrfRanker/ WeightedRanker	支援RRFRank和WeightRank兩種方式。詳見RrfRanker和WeightedRanker。	是
   constant	rank_constant	當排序方式選擇RRFRank時有效。例如當rank_constant=10，表示每條向量返回10條最相似的結果。預設值為60，詳見RrfRanker。	是
   過濾條件	filter	過濾條件，需滿足SQL where子句規範，請參見條件過濾檢索。	否
   Partition	partition	Partition名稱。預設為default，請根據需要選擇不同的Partition。	是
   TopK	topk	最大可返回的向量條數。TopK預設10，最大可支援1024。	是

   返回結果參數說明如下所示。

   參數	對應API參數名稱	說明
   距離	score	向量相似性 不同的距離度量方式，向量間距離的數值表示並不相同，請參見什麼是向量。 返回結果根據向量相似性降序排列。
   主鍵ID	id	相似向量的主鍵ID。
   向量	vector	向量資料，例如[1.0,2.0,3.0,4.0]。
   屬性	fileds	json欄位參數，例如{"price":100,"type":"dress"}。
   Partition	partition	相似向量所在的partition。