Milvus快速入门及用Java操作Milvus的全过程

<dependency>
    <groupId>io.milvus</groupId>
    <artifactId>milvus-sdk-java</artifactId>
    <version>2.5.11</version> <!-- 请查看GitHub更新最新版本 -->
</dependency>

@Configuration
public class MilvusConfig {
    @Value("${milvus_uri}")
    private String milvus_uri;
    @Bean
    public MilvusClientV2  milvusServiceClient() {
        ConnectConfig connectConfig = ConnectConfig.builder()
                .uri(milvus_uri)
                .build();
        return new MilvusClientV2(connectConfig);
    }
}

import io.milvus.v2.client.MilvusClientV2;
import io.milvus.v2.client.ConnectConfig;
import io.milvus.v2.service.collection.request.CreateCollectionReq;
import io.milvus.v2.service.collection.request.AddFieldReq;
import io.milvus.v2.common.DataType;
public class MilvusCollectionCreator {
    public static void main(String[] args) {
        // 1. 配置并创建 Milvus 客户端
        ConnectConfig connectConfig = ConnectConfig.builder()
                .uri("http://localhost:19530") // Milvus 服务器地址
                .token("username:password")     // 若启用认证，请提供；否则可省略
                .build();
        MilvusClientV2 client = new MilvusClientV2(connectConfig);
        // 2. 定义集合名称
        String collectionName = "my_first_collection"; // 替换为你想要的集合名
        // 3. 构建集合 Schema (字段定义)
        CreateCollectionReq.CollectionSchema schema = client.createSchema(); // 创建空Schema
        // 3.1 添加主键字段 (通常是INT64或VarChar)
        schema.addField(AddFieldReq.builder()
                .fieldName("id")
                .dataType(DataType.Int64)
                .isPrimaryKey(true) // 设为主键
                .autoID(false)       // 设置为false表示插入数据时需自行提供ID
                .build());
        // 3.2 添加标量字段 (例如存储文本名称)
        schema.addField(AddFieldReq.builder()
                .fieldName("name")
                .dataType(DataType.VarChar)
                .maxLength(255)      // VarChar类型必须指定最大长度
                .build());
        // 3.3 添加向量字段 (核心部分)
        int vectorDimension = 768; // 必须与你后续要插入的向量维度一致！
        schema.addField(AddFieldReq.builder()
                .fieldName("vector_embedding") // 字段名
                .dataType(DataType.FloatVector) // 数据类型为浮点向量
                .dimension(vectorDimension)     // 必须指定向量维度
                .build());
        // 4. 构建创建集合的请求
        CreateCollectionReq createCollectionReq = CreateCollectionReq.builder()
                .collectionName(collectionName)
                .collectionSchema(schema) // 设置定义好的Schema
                // .shardsNum(1)        // (可选) 设置分片数，默认为1
                // .enableDynamicField(true) // (可选) 是否启用动态字段以存储未定义的字段
                .build();
        // 5. 执行创建操作
         client.createCollection(createCollectionReq);
         System.out.println("集合 '" + collectionName + "' 创建成功！");
    }
}

    /**
     * 插入单条数据到Milvus集合
     * @param id 记录的唯一ID
     * @param text 原始文本或其他标量数据
     * @param vector 文本对应的向量（Float列表）
     * @return 插入结果信息
     */
    public String insertSingleData(Long id, String text, List<Float> vector) {
        try {
            // 1. 构建一个 JsonObject 代表一条记录
            JsonObject entity = new JsonObject();
            entity.addProperty("id", id); // 主键字段 (需与集合Schema定义匹配)
            entity.addProperty("content", text); // 标量字段 (例如存储原始文本)
            // 将向量列表转换为JsonArray并添加到实体中
            entity.add("vector", gson.toJsonTree(vector)); // 向量字段 (字段名需与Schema匹配)
            // 2. 将单条数据放入列表
            List<JsonObject> dataList = Collections.singletonList(entity);
            // 3. 构建插入请求
            InsertReq insertReq = InsertReq.builder()
                    .collectionName(COLLECTION_NAME)
                    .data(dataList)
                    .build();
            // 4. 执行插入
            InsertResp insertResp = milvusClientV2.insert(insertReq);
            return "成功插入 " + insertResp.getInsertCnt() + " 条数据。";
        } catch (Exception e) {
            throw new RuntimeException("插入数据失败: " + e.getMessage(), e);
        }
    }

import io.milvus.param.index.CreateIndexParam;
import io.milvus.param.index.IndexType;
import io.milvus.param.index.MetricType;
CreateIndexParam createIndexParam = CreateIndexParam.newBuilder()
        .withCollectionName("my_book_collection")
        .withFieldName("embedding") // 在哪个向量字段上建索引
        .withIndexType(IndexType.IVF_FLAT) // 选择索引类型
        .withMetricType(MetricType.COSINE) // 选择度量类型
        .withExtraParam("{\"nlist\":1024}") // 索引参数，nlist是聚类中心数
        .build();
milvusClient.createIndex(createIndexParam);
System.out.println("Index created successfully!");

    public Map<String, String> query(List<Float> embedding) {
        // key:原始文本，value：drug_code
        Map<String, String> res = new HashMap<>();
        //设置查询参数
        Map<String, Object> searchParamsMap = new HashMap<>();
        searchParamsMap.put("nprobe", 10); // 设置搜索的桶数量，影响精度和性能
        // 设置返回的field
        List<String> returnFields = Arrays.asList("original_text", "drug_code");
        FloatVec floatVec = new FloatVec(embedding);
        SearchReq searchReq = SearchReq.builder()
                .collectionName(DRUG_WES_COLLECTION_NAME)
                .data(Collections.singletonList(floatVec))
                .topK(TOK_K)
                .outputFields(returnFields)
                .searchParams(searchParamsMap)
                .build();
        SearchResp searchResp = milvusServiceClient.search(searchReq);
        //获取查询向量检索出的数据
        List<SearchResp.SearchResult> searchResult = searchResp.getSearchResults().get(0);
        for (SearchResp.SearchResult sr : searchResult) {
            Map<String, Object> entity = sr.getEntity();
            String originalText = (String) entity.get("original_text");
            String drugCode = (String) entity.get("drug_code");
            res.put(originalText,drugCode);
        }
        return res;
    }