基于 Milvus 实现向量与结构化数据混合查询

基于 Milvus 实现向量与结构化数据混合查询

一、概述

通过深度学习的神经网络模型，可以将图片、视频、语音、还有文本等非结构化数据转换为特征向量。除了结构化的向量，这些数据往往也需添加其他属性。如人脸图片，可以添加性别、是否戴眼镜、图片抓取时间等标签；文本可以添加语言类型、语料分类、文本创建时间等标签。

以往，人们通常将特征向量存入结构化的标签属性表。但传统数据库无法针对海量、高维特征向量进行有效的搜索。这时就需要一个特征向量数据库，用来高效存储、检索特征向量。

二、解决方案

Milvus 是一款向量搜索引擎，可以轻松实现针对海量向量的高性能检索。结合传统关系型数据库如 Postgres ，用其存储 Milvus 对向量的唯一标识 ID 和向量的对应属性。将 Milvus 向量检索结果，在 Postgres 中进一步查询，就能快速得出混合查询结果，具体解决方案如下：

1、特征向量存储

如上图蓝色实线，其表示 Milvus 混合查询的特征向量存储过程。首先，将源特征向量数据存入 Milvus 特征向量数据库， Milvus 会给返回每个源向量数据对应的 ID 。然后将每个特征向量的唯一标识 ID 与其标签属性存储至关系型数据库，如 Postgres ，至此完成特征向量与标签属性的存储。

2、特征向量检索

如上图橙色实线，其表示 Milvus 混合查询的特征向量检索过程。向 Milvus 中传入需要查询的特征向量数据， Milvus 会得出与搜索向量相似度最高的查询结果 ID ，利用该结果 ID 到 Postgres 中进行查询，最终得出检索向量的混合查询结果。

三、Milvus混合查询

至此，你可能会有疑问，为什么不直接将特征向量和对应属性存储在关系型数据库中呢？接下来将用 Milvus 对 ANN_SIFT1B 中的一亿数据进行测试，为你解答，参考链接[1]。

1、特征向量数据集

本次实现的 Mivus 混合查询，其特征向量提取自 ANN_SIFT1B 中 Base Set 文件中的一亿数据（ 128 维）。特征向量检索时从 Query set 中提取，假定 ANN_SIFT1B 数据集为人脸特征向量，并为每个向量添加性别、是否戴眼镜、图片抓取时间的标签：

2、特征向量存储

将一亿数据导入 Milvus ，其返回的 ids 是向量对应的唯一表示 ID ，将 ids 与向量的标签存入 Postgres ，当然，原始特征向量也可以存入 Postgres （可选）：

3、特征向量检索

向 Milvus 中传入需要搜索的向量。设定 TOP_K=10 以及 DISTANCE_THRESHOLD=1 （可根据需求修改）， TOP_K 表示搜索与查询向量相似度最高的前 10 个结果，DISTANCE_THRESHOLD表示查询向量与搜索结果向量的距离阈值。

ANN_SIFT1B 中采用欧氏距离计算，参数设定后 Milvus 将返回查询结果的 ids ，利用该 ids 到 Postgres 中进行查询，最终混合查询结果。

在对一亿数据进行混合查询时， Milvus 特征向量搜索仅需 70ms ，在 Postgres 中对 Milvus 搜索结果的 ids 进行查询不超过 7ms 。

总的来说，利用 Milvus 特征向量数据库，可以快速实现向量与结构化数据的混合查询。若仅使用传统的关系型数据库进行向量查询，不仅大规模向量数据存储难，而且无法高性能完成特征向量检索。

四、总结

本示范实现了基于 Milvus 的混合查询。在一亿特征向量数据集的情况下，混合查询时间不超过 77 ms 。

并且基于 Milvus 易管易用的特性，通过参考Milvus 混合查询方案[2]所提供的工具，能轻松实现向量和结构化数据的混合查询，更好的支持业务需求。