メインコンテンツまでスキップ

Geometry Field

Geographic Information Systems (GIS)、マッピングツール、位置情報ベースのサービスのような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保存およびクエリするネイティブな方法を提供することで、この課題を解決します。

たとえば、ベクトル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。

  • 位置情報ベースサービス (LBS): 「この街区内で類似した POI を見つける」

  • マルチモーダル検索: 「この地点から1km 以内で類似した写真を取得する」

  • 地図と物流: 「ある領域内の資産」や「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 のスキーマ定義済みデータ型 (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、人が読みやすい表現形式である Well-Known Text (WKT) 形式でデータを操作します。内部的には、Zilliz Cloud が WKT を Well-Known Binary (WKB) に変換して効率的に保存・処理しますが、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ます。

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

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

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

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

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

  • MULTIPOLYGON: MULTIPOLYGON (((outer ring ...)), ((outer ring ...)))。例: 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), ...)。例: 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、コレクションスキーマでそれを定義し、幾何データを挿入し、その後特定のフィルター式を使ってデータをクエリします。

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、コレクションの作成時にコレクションスキーマで明示的に定義する必要があります。次の例は、DataType.GEOMETRY 型の geo フィールドを持つコレクションを作成する方法を示しています。

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、コレクションスキーマで定義された GEOMETRY フィールドは nullable=True によって 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 形式の幾何データを含むエンティティを挿入します。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 フィールドに対して 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、専用の geometry 演算子を含む式を使用して、幾何学的な値に基づいて collection をフィルタリングできます。

フィルタ式を定義する​

GEOMETRY フィールドを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: {operator}(geo_field, '{wkt}')

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

各項目の意味は次のとおりです。

  • 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ています。

例1: 長方形の領域内にある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以内にある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全行のフルスキャンを実行するため、大規模なデータセットでは低速になることがあります。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ます。

詳細については、RTREE を参照してください。

FAQ​

コレクション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 フィールドがコレクション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、Use mmap 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 & Default を参照してください。

Ctrl I