免费体验阿里云高性能向量检索服务：https://www.aliyun.com/product/ai/dashvector
向量检索服务DashVector在设计上支持Schema Free，在插入Doc、更新Doc、插入或更新Doc时，可设置任意KeyValue结构的字段(Field)，如下所示：
collection.insert( Doc( id='1', vector=np.random.rand(4), fields={ 'name': 'zhangsan', 'weight':70.0, 'age':30, 'anykey1': 'anyvalue', 'anykey2': 1, 'anykey3': True, 'anykey4': 3.1415926 ... ... } ) )
说明
更多的Fields将消耗更多的资源（如内存、磁盘）。
Field支持的数据类型
当前DashVector支持Python的4种基础数据类型：
- str
- float
- int
- bool
重要
Python的int类型可表达无限大小的整数，当前DashVector仅支持32位整数，范围为-2,147,483,648~2,147,483,647，需要用户自行保证数据未溢出。
检索时通过Field进行条件过滤
插入Doc、更新Doc、插入或更新Doc时所设置的任意KeyValue结构的字段(Field)，可在检索Doc进行条件过滤，如下所示：
ret = collection.query( vector=[0.1, 0.2, 0.3, 0.4], filter='(age > 18 and anykey2 = 1) or (name like "zhang%" and anykey3 = false)' )
说明
更多的Fields在检索时将消耗更多的资源（如CPU），同时复杂的filter表达式也将消耗更多的时间开销才能获取到结果。
提前定义Field Schema的优势
在新建Collection的时候，可以预先定义Field Schema，如下所示：
ret = client.create( name='complex', dimension=4, fields_schema={'name': str, 'weight': float, 'age': int} )
这样做的主要收益有如下3点：
- 更快的检索速度：条件过滤时，用预先定义的Field将会有更短的时间开销和更少的CPU算力开销。
- 更少的内存、磁盘占用：未预先定义的Field，需要存储Field名称和Field值，而预先定义的Field仅存储Field值即可。
- filter预校验：条件过滤时，预先定义的Field会校验filter的语法，当遇到类型不匹配时，会快速失败、立即返回；而未预先定义的Field，无法知道“正确”数据类型，无法进行预校验。
通常而言，对于确定性的、大多数Doc都具有的Field，建议在新建Collection的时候预先进行定义；对于无法提前预知、仅少量Doc独有的Field，可以在插入Doc时设置。
向量检索服务 DashVector 免费试用进行中，玩转大模型搜索，快来试试吧~
了解更多信息，请点击：https://www.aliyun.com/product/ai/dashvector
