メインコンテンツまでスキップ

Geometry フィールド

Geographic Information Systems (GIS)、マッピングツール、位置情報ベースのサービスなどのアプリケーションを構築する際には、幾何データを保存してクエリする必要がよくあります。Milvus の GEOMETRY データ型は、柔軟な幾何データをネイティブに保存およびクエリする方法を提供することで、この課題を解決します。

たとえば、vector の類似性と空間制約を組み合わせる必要がある場合は、GEOMETRY フィールドを使用します。

  • Location-Base Service (LBS): 「この街区 内 にある類似 POI を見つける」

  • マルチモーダル検索: 「この地点から 1km 以内 の類似写真を取得する」

  • 地図と物流: 「ある領域 内 の資産」または「ある経路と 交差する ルート」

📘Notes

GEOMETRY フィールドを使用するには、SDK を最新バージョンにアップグレードしてください。

GEOMETRY フィールドとは何ですか？​

GEOMETRY フィールドは、幾何データを格納する、Zilliz Cloud のスキーマ定義データ型 (DataType.GEOMETRY) です。geometry フィールドを扱う際は、データの挿入とクエリの両方で使用される人間可読な表現形式である Well-Known Text (WKT) 形式を使ってデータを操作します。内部的には、Zilliz Cloud は効率的な保存と処理のために WKT を Well-Known Binary (WKB) に変換しますが、WKB を直接扱う必要はありません。

GEOMETRY データ型は、以下の幾何オブジェクトをサポートしています。

  • POINT: POINT (x y)。たとえば POINT (13.403683 52.520711)。ここで x = 経度、y = 緯度

  • LINESTRING: LINESTRING (x1 y1, x2 y2, …)。たとえば LINESTRING (13.40 52.52, 13.41 52.51)

  • POLYGON: POLYGON ((x1 y1, x2 y2, x3 y3, x1 y1))。たとえば POLYGON ((30 10, 40 40, 20 40, 10 20, 30 10))

  • MULTIPOINT: MULTIPOINT ((x1 y1), (x2 y2), …)。たとえば MULTIPOINT ((10 40), (40 30), (20 20), (30 10))

  • MULTILINESTRING: MULTILINESTRING ((x1 y1, …), (xk yk, …))。たとえば MULTILINESTRING ((10 10, 20 20, 10 40), (40 40, 30 30, 40 20, 30 10))

  • MULTIPOLYGON: MULTIPOLYGON (((outer ring ...)), ((outer ring ...)))。たとえば MULTIPOLYGON (((30 20, 45 40, 10 40, 30 20)), ((15 5, 40 10, 10 20, 5 10, 15 5)))

  • GEOMETRYCOLLECTION: GEOMETRYCOLLECTION(POINT(x y), LINESTRING(x1 y1, x2 y2), ...)。たとえば GEOMETRYCOLLECTION (POINT (40 10), LINESTRING (10 10, 20 20, 10 40), POLYGON ((40 40, 20 45, 45 30, 40 40)))

基本操作​

GEOMETRY フィールドを使用するワークフローでは、collection スキーマでの定義、幾何データの挿入、そして特定の filter expression を使用したデータのクエリを行います。

ステップ 1: GEOMETRY フィールドを定義する​

GEOMETRY フィールドを使用するには、collection の作成時に collection スキーマ内で明示的に定義します。次の例では、DataType.GEOMETRY 型の geo フィールドを持つ collection を作成する方法を示します。

python
from pymilvus import MilvusClient, DataType
import numpy as np

dim = 8
collection_name = "geo_collection"
milvus_client = MilvusClient("YOUR_CLUSTER_ENDPOINT")

# Create schema with a GEOMETRY field
schema = milvus_client.create_schema(enable_dynamic_field=True)
schema.add_field("id", DataType.INT64, is_primary=True)
schema.add_field("embeddings", DataType.FLOAT_VECTOR, dim=dim)
schema.add_field("geo", DataType.GEOMETRY, nullable=True)
schema.add_field("name", DataType.VARCHAR, max_length=128)

milvus_client.create_collection(collection_name, schema=schema, consistency_level="Strong")
📘Notes

この例では、collection スキーマで定義された GEOMETRY フィールドは、nullable=True により null 値を許可します。詳細については、Nullable & Default を参照してください。

ステップ 2: データを挿入する​

WKT 形式の geometry データを含む entity を挿入します。以下は、複数の geo point を使った例です。

python
rng = np.random.default_rng(seed=19530)
geo_points = [
    'POINT(13.399710 52.518010)',
    'POINT(13.403934 52.522877)',
    'POINT(13.405088 52.521124)',
    'POINT(13.408223 52.516876)',
    'POINT(13.400092 52.521507)',
    'POINT(13.408529 52.519274)',
]

rows = [
    {"id": 1, "name": "Shop A", "embeddings": rng.random((1, dim))[0], "geo": geo_points[0]},
    {"id": 2, "name": "Shop B", "embeddings": rng.random((1, dim))[0], "geo": geo_points[1]},
    {"id": 3, "name": "Shop C", "embeddings": rng.random((1, dim))[0], "geo": geo_points[2]},
    {"id": 4, "name": "Shop D", "embeddings": rng.random((1, dim))[0], "geo": geo_points[3]},
    {"id": 5, "name": "Shop E", "embeddings": rng.random((1, dim))[0], "geo": geo_points[4]},
    {"id": 6, "name": "Shop F", "embeddings": rng.random((1, dim))[0], "geo": geo_points[5]},
]

insert_result = milvus_client.insert(collection_name, rows)
print(insert_result)

# Expected output:
# {'insert_count': 6, 'ids': [1, 2, 3, 4, 5, 6]}

ステップ 3: フィルタリング操作​

GEOMETRY フィールドに対してフィルタリング操作を実行する前に、以下を確認してください。

  • 各 vector フィールドに index を作成していること。

  • collection がメモリにロードされていること。

コードを表示
python
index_params = milvus_client.prepare_index_params()
index_params.add_index(field_name="embeddings", metric_type="L2")

milvus_client.create_index(collection_name, index_params)
milvus_client.load_collection(collection_name)

これらの要件を満たしたら、geometry 専用の演算子を含む式を使用して、幾何値に基づいて collection をフィルタリングできます。

フィルタ式を定義する​

GEOMETRY フィールドでフィルタリングするには、式の中で geometry 演算子を使用します。

  • 一般形: {operator}(geo_field, '{wkt}')

  • 距離ベース: ST_DWITHIN(geo_field, '{wkt}', distance)

ここで、

  • operator はサポートされている geometry 演算子のいずれかです（例: ST_CONTAINS、ST_INTERSECTS）。演算子名はすべて大文字またはすべて小文字である必要があります。サポートされている演算子の一覧については、サポートされている geometry 演算子 を参照してください。

  • geo_field は GEOMETRY フィールドの名前です。

  • '{wkt}' はクエリ対象の geometry の WKT 表現です。

  • distance は ST_DWITHIN 専用のしきい値です。

以下の例では、フィルタ式でさまざまな geometry 専用演算子を使用する方法を示します。

例 1: 矩形エリア内のエンティティを見つける​

python
top_left_lon, top_left_lat = 13.403683, 52.520711
bottom_right_lon, bottom_right_lat = 13.455868, 52.495862
bounding_box_wkt = f"POLYGON(({top_left_lon} {top_left_lat}, {bottom_right_lon} {top_left_lat}, {bottom_right_lon} {bottom_right_lat}, {top_left_lon} {bottom_right_lat}, {top_left_lon} {top_left_lat}))"

query_results = milvus_client.query(
    collection_name,
    filter=f"st_within(geo, '{bounding_box_wkt}')",
    output_fields=["name", "geo"]
)
for ret in query_results:
    print(ret)
    
# Expected output:
# {'name': 'Shop D', 'geo': 'POINT (13.408223 52.516876)', 'id': 4}
# {'name': 'Shop F', 'geo': 'POINT (13.408529 52.519274)', 'id': 6}
# {'name': 'Shop A', 'geo': 'POINT (13.39971 52.51801)', 'id': 1}
# {'name': 'Shop B', 'geo': 'POINT (13.403934 52.522877)', 'id': 2}
# {'name': 'Shop C', 'geo': 'POINT (13.405088 52.521124)', 'id': 3}
# {'name': 'Shop D', 'geo': 'POINT (13.408223 52.516876)', 'id': 4}
# {'name': 'Shop E', 'geo': 'POINT (13.400092 52.521507)', 'id': 5}
# {'name': 'Shop F', 'geo': 'POINT (13.408529 52.519274)', 'id': 6}

例 2: 中心点から 1km 以内のエンティティを見つける​

python
center_point_lon, center_point_lat = 13.403683, 52.520711
radius_meters = 1000.0
central_point_wkt = f"POINT({center_point_lon} {center_point_lat})"

query_results = milvus_client.query(
    collection_name,
    filter=f"st_dwithin(geo, '{central_point_wkt}', {radius_meters})",
    output_fields=["name", "geo"]
)
for ret in query_results:
    print(ret)
    
# Expected output:
# hit: {'id': 4, 'distance': 0.9823770523071289, 'entity': {'name': 'Shop D', 'geo': 'POINT (13.408223 52.516876)'}}

例 3: vector 類似度と空間フィルタを組み合わせる​

python
vectors_to_search = rng.random((1, dim))
result = milvus_client.search(
    collection_name,
    vectors_to_search,
    limit=3,
    output_fields=["name", "geo"],
    filter=f"st_within(geo, '{bounding_box_wkt}')"
)
for hits in result:
    for hit in hits:
        print(f"hit: {hit}")
        
# Expected output:
# hit: {'id': 6, 'distance': 1.3406795263290405, 'entity': {'name': 'Shop F', 'geo': 'POINT (13.408529 52.519274)'}}

次へ: クエリを高速化する​

デフォルトでは、インデックスのない GEOMETRY フィールドに対するクエリはすべての行をフルスキャンするため、大規模なデータセットでは遅くなる可能性があります。ジオメトリクエリを高速化するには、GEOMETRY フィールドに AUTOINDEX インデックスを作成してください。

詳細については、RTREE を参照してください。

FAQ​

collection で動的フィールド機能を有効にしている場合、動的フィールドのキーにジオメトリデータを挿入できますか？​

いいえ、ジオメトリデータは動的フィールドには挿入できません。ジオメトリデータを挿入する前に、GEOMETRY フィールドが collection スキーマで明示的に定義されていることを確認してください。

GEOMETRY フィールドは mmap 機能をサポートしていますか？​

はい、GEOMETRY フィールドは mmap をサポートしています。詳細については、mmap を使用する を参照してください。

GEOMETRY フィールドを nullable として定義したり、デフォルト値を設定したりできますか？​

はい、GEOMETRY フィールドは nullable 属性と、WKT 形式のデフォルト値をサポートしています。詳細については、Nullable と Default を参照してください。

Ctrl I