当前位置：首页 > news >正文

Milvus SCHEMA 字段类型和选择

news 2026/3/27 2:52:38

1. 什么是标量字段（Scalar Field）
2. 什么是向量字段（Vector Field）
3. 什么字段应该放标量字段？
- 3.1 用来过滤/筛选的字段
4. 什么字段应该放向量字段？
- 4.1 用来相似度搜索（ANN）的字段
5. 判断标准：一个字段应该是标量还是向量？
- - Step 1：这个字段是否参与相似度搜索？
  - Step 2：这个字段是否用于查询过滤？
  - Step 3：这个字段是否可以当作 metadata？
6. 典型 Collection Schema 示例（最佳实践）
- - 示例：商品搜索系统
  - 示例：用户推荐画像
7. 常见错误
8. 你也可以告诉我你的业务场景，我可以直接帮你设计 Collection Schema.

以下回答基于 Milvus 的官方架构逻辑，提供清晰、工程化的判断标准。

1. 什么是标量字段（Scalar Field）

标量字段（Scalar Field）是 Milvus 中用于存储可直接比较、过滤、排序的普通值的字段，类型包括：

Int / Long
Bool
Float / Double
VarChar（字符串）
JSON
Timestamp / Date

本质：
标量字段 = 用来做结构化过滤的字段，不参与向量相似度计算。

例如：

user_id：int
price：float
category：string
created_at：timestamp
metadata：json

这些字段可以用在 term search、range search、hybrid query 等过滤条件中。

2. 什么是向量字段（Vector Field）

向量字段（Vector Field）用于存储嵌入向量，Milvus 能对它们执行：

相似度搜索（ANN Search）
向量索引（IVF, HNSW, DiskANN）
TopK 查询

可分为两类：

类型	说明
Float Vector	浮点型向量，用于一般 embedding（文本、图像、音频）
Binary Vector	二进制向量，用于传统 feature 或高性能任务

一个 Collection 最多可包含 4 个向量字段。

3. 什么字段应该放标量字段？

以下类型 必须放在标量字段：

3.1 用来过滤/筛选的字段

如果你会在查询中需要：

WHERE category = 'AI'
WHERE price BETWEEN 200 AND 300
WHERE status IN (1,2)
WHERE created_at > 2024-01-01

这些字段放标量。

典型场景：

字段	类型	理由
product_id	主键	唯一标识数据
category	VarChar	常用于过滤
timestamp	Timestamp	常用于按时间过滤/排序
brand	VarChar	过滤品牌
price	Float	区间过滤

4. 什么字段应该放向量字段？

以下类型 必须使用向量字段：

4.1 用来相似度搜索（ANN）的字段

文本 embedding（例如 OpenAI embedding、bge）
图像 embedding（CLIP、ViT）
视频 embedding
用户画像 embedding
商品多模态 embedding
搜索 query embedding

典型场景：

业务	向量字段示例
文本搜索	text_embedding（dim=768）
多模态搜索	image_embedding、text_embedding
用户推荐	user_profile_vector
商品搜索	product_vector

5. 判断标准：一个字段应该是标量还是向量？

使用以下决策树即可快速判断：

Step 1：这个字段是否参与相似度搜索？

是 → 向量字段
否 → Step 2

Step 2：这个字段是否用于查询过滤？

（=、IN、NOT IN、BETWEEN、范围、前缀…）

是 → 标量字段
否 → Step 3

Step 3：这个字段是否可以当作 metadata？

是 → 标量字段（JSON 或 VarChar）
否 → 如果是高维特征 → 向量字段

简化一句话：

用于“查相似”的放向量，用于“查条件”的放标量。

6. 典型 Collection Schema 示例（最佳实践）

示例：商品搜索系统

product_id (Primary Key, Int64)
category (VarChar)
brand (VarChar)
price (Float)
created_at (Timestamp)
product_text_vector (FloatVector dim=768)
product_image_vector (FloatVector dim=1024)

示例：用户推荐画像

user_id (Primary Key)
age (Int)
gender (VarChar)
location (VarChar)
user_profile_vector (FloatVector dim=256)

7. 常见错误

错误	原因
把多维向量塞到 JSON 标量字段	无法索引和相似度检索
标量字段过多	每个字段都会占存储、影响加载速度
用向量字段保存本应过滤的字段	ANN 搜索成本变极高
产品 ID 用字符串但不加索引	性能差，应该使用主键