什么是向量检索服务的SchemaFree - 向量检索服务

向量检索服务DashVector在设计上支持Schema Free，在插入Doc、更新Doc、插入或更新Doc时，可设置任意KeyValue结构的字段(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
            ... ...
        }
    )
)

说明

更多的Fields将消耗更多的资源（如内存、磁盘）

Field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。

检索时通过Field进行条件过滤

插入Doc、更新Doc、插入或更新Doc时所设置的任意KeyValue结构的字段(Field)，可在检索Doc进行条件过滤，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)'
)

说明

更多的Fields在检索时将消耗更多的资源（如CPU），同时复杂的filter表达式也将消耗更多的时间开销才能获取到结果

提前定义Field Schema的优势

在新建Collection的时候，可以预先定义Field Schema，如下所示：

Python

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

这样做的主要收益有如下3点：

更快的检索速度：条件过滤时，用预先定义的Field将会有更短的时间开销和更少的CPU算力开销
更少的内存、磁盘占用：未预先定义的Field，需要存储Field名称和Field值，而预先定义的Field仅存储Field值即可
filter预校验：条件过滤时，预先定义的Field会校验filter的语法，当遇到类型不匹配时，会快速失败、立即返回；而未预先定义的Field，无法知道“正确”数据类型，无法进行预校验

通常而言，对于确定性的、大多数Doc都具有的Field，建议在新建Collection的时候预先进行定义；对于无法提前预知、仅少量Doc独有的Field，可以在插入Doc时设置。