メインコンテンツまでスキップ
バージョン: User Guides (Cloud)

配列フィールド

ARRAYフィールドは、同じデータ型の要素の順序付きセットを保存します。

以下は、ARRAYフィールドがデータをどのように保存するかの例です：

{
  "tags": ["pop", "rock", "classic"],
  "ratings": [5, 4, 3]
}

制限事項​

  • デフォルト値: ARRAYフィールドはデフォルト値をサポートしていません。ただし、nullable属性をTrueに設定してnull値を許可できます。詳細はNullable & Defaultを参照してください。

  • データ型: ARRAYフィールド内のすべての要素は、element_typeパラメータで定義される同じデータ型を共有する必要があります。element_typeがVARCHARに設定されている場合、配列要素のmax_lengthも指定する必要があります。element_typeは任意のスカラーデータ型、JSON、およびSTRUCTを受け入れます。

  • 配列容量: ARRAYフィールド内の要素数は、配列作成時に定義された最大容量（max_capacityで指定）以下である必要があります。値は1から4096の範囲内の整数である必要があります。

  • 文字列処理: 配列フィールド内の文字列値は、意味的なエスケープや変換なしにそのまま保存されます。たとえば、'a"b'、"a'b"、'a\'b'、および"a\"b"は入力された通りに保存されますが、'a'b'および"a"b"は無効な値と見なされます。

ARRAYフィールドを追加​

Zilliz CloudクラスターでARRAYフィールドを使用するには、コレクションスキーマを作成する際に関連するフィールド型を定義します。このプロセスには以下が含まれます：

  1. datatypeをサポートされているArrayデータ型であるARRAYに設定します。

  2. element_typeパラメータを使用して配列内の要素のデータ型を指定します。同じ配列内のすべての要素は同じデータ型である必要があります。

  3. max_capacityパラメータを使用して配列の最大容量（つまり、含めることができる要素の最大数）を定義します。

ARRAYフィールドを含むコレクションスキーマを定義する方法は以下の通りです：

📘ノート

スキーマ定義時にenable_dynamic_fields=Trueを設定した場合、Zilliz Cloudでは事前に定義されていないスカラーフィールドを挿入できます。ただし、これによりクエリや管理の複雑さが増し、パフォーマンスに影響する可能性があります。詳細はDynamic Fieldを参照してください。

# 必要なライブラリをインポート
from pymilvus import MilvusClient, DataType

# サーバーアドレスを定義
SERVER_ADDR = "YOUR_CLUSTER_ENDPOINT"

# MilvusClientインスタンスを作成
client = MilvusClient(uri=SERVER_ADDR)

# コレクションスキーマを定義
schema = client.create_schema(
    auto_id=False,
    enable_dynamic_fields=True,
)

# nullable=Trueの`tags`および`ratings` ARRAYフィールドを追加
schema.add_field(field_name="tags", datatype=DataType.ARRAY, element_type=DataType.VARCHAR, max_capacity=10, max_length=65535, nullable=True)
schema.add_field(field_name="ratings", datatype=DataType.ARRAY, element_type=DataType.INT64, max_capacity=5, nullable=True)
schema.add_field(field_name="pk", datatype=DataType.INT64, is_primary=True)
schema.add_field(field_name="embedding", datatype=DataType.FLOAT_VECTOR, dim=3)

インデックスパラメータを設定​

インデックス作成は、検索およびクエリのパフォーマンスを向上させるのに役立ちます。Zilliz Cloudクラスターでは、ベクトルフィールドにインデックス付けが必須ですが、スカラーフィールドではオプションです。

以下の例では、ベクトルフィールドembeddingとARRAYフィールドtagsの両方にAUTOINDEXインデックスタイプを使用してインデックスを作成しています。このタイプでは、Milvusがデータ型に基づいて最も適切なインデックスを自動的に選択します。

# インデックスパラメータを設定

index_params = client.prepare_index_params()

# AUTOINDEXで`age`をインデックス化
index_params.add_index(
    field_name="tags",
    index_type="AUTOINDEX",
    index_name="tags_index"
)

# AUTOINDEXで`embedding`をインデックス化し、類似性メトリックタイプを指定
index_params.add_index(
    field_name="embedding",
    index_type="AUTOINDEX",  # 複雑なインデックス設定を簡略化するために自動インデックスを使用
    metric_type="COSINE"  # 類似性メトリックタイプを指定（L2、COSINE、IPから選択可能）
)

コレクションを作成​

スキーマとインデックスが定義されたら、ARRAYフィールドを含むコレクションを作成します。

client.create_collection(
    collection_name="my_collection",
    schema=schema,
    index_params=index_params
)

データを挿入​

コレクションを作成した後、ARRAYフィールドを含むデータを挿入できます。

# サンプルデータ
data = [
  {
      "tags": ["pop", "rock", "classic"],
      "ratings": [5, 4, 3],
      "pk": 1,
      "embedding": [0.12, 0.34, 0.56]
  },
  {
      "tags": None,  # 配列全体がnull
      "ratings": [4, 5],
      "pk": 2,
      "embedding": [0.78, 0.91, 0.23]
  },
  {  # tagsフィールドが完全に欠落
      "ratings": [9, 5],
      "pk": 3,
      "embedding": [0.18, 0.11, 0.23]
  }
]

client.insert(
    collection_name="my_collection",
    data=data
)

フィルター式を使用したクエリ​

エンティティを挿入した後、queryメソッドを使用して指定されたフィルター式に一致するエンティティを取得できます。

tagsがnullでないエンティティを取得するには：

# `tags`がnullでないエンティティを除外するクエリ

filter = 'tags IS NOT NULL'

res = client.query(
    collection_name="my_collection",
    filter=filter,
    output_fields=["tags", "ratings", "pk"]
)

print(res)

# 例の出力:
# data: [
#     "{'tags': ['pop', 'rock', 'classic'], 'ratings': [5, 4, 3], 'pk': 1}"
# ]

ratingsの最初の要素の値が4より大きいエンティティを取得するには：

filter = 'ratings[0] > 4'

res = client.query(
    collection_name="my_collection",
    filter=filter,
    output_fields=["tags", "ratings", "embedding"]
)

print(res)

# 例の出力:
# data: [
#     "{'tags': ['pop', 'rock', 'classic'], 'ratings': [5, 4, 3], 'embedding': [0.12, 0.34, 0.56], 'pk': 1}",
#     "{'tags': None, 'ratings': [9, 5], 'embedding': [0.18, 0.11, 0.23], 'pk': 3}"
# ]

フィルター式を使用したベクトル検索​

基本的なスカラーフィールドのフィルタリングに加えて、スカラーフィールドフィルターとベクトル類似性検索を組み合わせることができます。たとえば、以下のコードはベクトル検索にスカラーフィールドフィルターを追加する方法を示しています：

filter = 'tags[0] == "pop"'

res = client.search(
    collection_name="my_collection",
    data=[[0.3, -0.6, 0.1]],
    limit=5,
    search_params={"params": {"nprobe": 10}},
    output_fields=["tags", "ratings", "embedding"],
    filter=filter
)

print(res)

# 例の出力:
# data: [
#     "[{'id': 1, 'distance': -0.2479381263256073, 'entity': {'tags': ['pop', 'rock', 'classic'], 'ratings': [5, 4, 3], 'embedding': [0.11999999731779099, 0.3400000035762787, 0.5600000023841858]}}]"
# ]

さらに、Zilliz CloudはARRAY_CONTAINS、ARRAY_CONTAINS_ALL、ARRAY_CONTAINS_ANY、およびARRAY_LENGTHなどの高度な配列フィルタリング演算子をサポートしており、クエリ機能をさらに強化できます。詳細はARRAY Operatorsを参照してください。