如何使用向量检索服务的条件过滤检索 - 向量检索服务

背景介绍

在大多数业务场景中，单纯使用向量进行相似性检索并无法满足业务需求，通常需要在满足特定过滤条件、或者特定的“标签”的前提下，再进行相似性检索。

向量检索服务DashVector支持条件过滤和向量相似性检索相结合，在精确满足过滤条件的前提下进行高效的向量检索。

条件过滤检索示例

说明

需要使用您的api-key替换示例中的 YOUR_API_KEY、您的Cluster Endpoint替换示例中的YOUR_CLUSTER_ENDPOINT，代码才能正常运行。
本示例需要参考新建Collection-使用示例提前创建好名称为quickstart的Collection。

插入带有Field的数据

Python

import dashvector
import numpy as np

client = dashvector.Client(
    api_key='YOUR_API_KEY',
    endpoint='YOUR_CLUSTER_ENDPOINT'
)
collection = client.get(name='quickstart')

ret = collection.insert([
    ('1', np.random.rand(4), {'name':'zhangsan', 'age': 10, 'male': True, 'weight': 35.0}),
    ('2', np.random.rand(4), {'name':'lisi', 'age': 20, 'male': False, 'weight': 45.0}),
    ('3', np.random.rand(4), {'name':'wangwu', 'age': 30, 'male': True, 'weight': 75.0}),
    ('4', np.random.rand(4), {'name':'zhaoliu', 'age': 5, 'male': False, 'weight': 18.0}),
    ('5', np.random.rand(4), {'name':'sunqi', 'age': 40, 'male': True, 'weight': 70.0})
])
assert ret

说明

在新建Collection-使用示例中，创建了名称为quickstart的Collection，该Collection定义了3个Field（{'name': str, 'weight': float, 'age': int}）。DashVector具有Schema Free的特性，因此可以在插入Doc时，随意指定创建Collection时未定义的Field，如上述示例中的maleField。

通过filter进行条件过滤检索

Python

import dashvector

client = dashvector.Client(
    api_key='YOUR_API_KEY',
    endpoint='YOUR_CLUSTER_ENDPOINT'
)
collection = client.get(name='quickstart')

# 要求年龄(age)大于18，并且体重(weight)大于65.0的男性(male=true)
docs = collection.query(
  [0.1, 0.1, 0.1, 0.1],
  topk=10,
  filter = 'age > 18 and weight > 65.0 and male = true'
)
print(docs)

DashVector支持的数据类型

当前DashVector支持Python的4种基础数据类型：

str
float
int
bool

重要

Python的int类型可表达无限大小的整数，当前DashVector仅支持32位整数，范围为-2,147,483,648~2,147,483,647，需要用户自行保证数据未溢出。

比较运算符

通过Field 比较运算符常量的组合生成比较表达式，说明及示例如下：

符号	描述	支持数据类型	表达式示例	示例解释
<	小于	int float	age < 10 weight < 60.0	age小于10则为`True` weight小于60.0则为`True`
<=	小于或等于	int float	age <= 10 weight <= 60.0	age小于或等于10则为`True` weight小于或等于60.0则为`True`
=	等于	int float bool str	age = 10 weight = 60.0 male = true name = 'lisi'	age等于10则为`True` weight等于60.0则为`True` male等于true则为`True` name等于lisi则为`True`
!=	不等于	int float bool str	age != 10 weight != 60.0 male != true name != 'lisi'	age不等于10则为`True` weight不等于60.0则为`True` male不等于true则为`True` name不等于lisi则为`True`
>=	大于或等于	int float	age >= 10 weight >= 60.0	age大于或等于10则为`True` weight大于或等于60.0则为`True`
>	大于	int float	age > 10 weight > 60.0	age大于10则为`True` weight大于60.0则为`True`

成员运算符

通过Field 成员运算符常量的组合生成比较表达式，说明及示例如下：

符号

描述

支持数据类型

表达式示例

示例解释

包含

int
float
str

age in (10,20)
floal in (89.5,90.5)
name in ("lisi","zhangsan")

age 包含10和20则为True
float包含89.5和90.5则为True
name包含lisi和zhangsan则为True

not in

不包含

int
float
str

age not in (10,20)
floal not in (89.5,90.5)
name not in ("lisi","zhangsan")

age 不包含10和20则为True
float不包含89.5和90.5则为True
name不包含lisi和zhangsan则为True

字符串运算符

通过Field 字符串运算符常量的组合生成匹配表达式，说明及示例如下：

符号	描述	支持数据类型	表达式示例	示例解释
like	前缀匹配	str	name like 'li%'	name以li开头则为`True`

逻辑运算符

逻辑运算符用于组合多个表达式。

符号	描述	示例	示例解释
and	与	expr1 and expr2	expr1、expr2同时为`True`时则为`True`，否则`False`
or	或	expr1 or expr2	expr1、expr2同时为`False`时则为`False`，否则`True`

说明

可通过括号()组合逻辑运算符，()拥有更高优先级，如：expr1 and (expr2 or expr3)，会优先计算(expr2 or expr3)