有了向量数据库，下一步就该在数据库里创建表，向量库里的表叫集合（Collection），对应关系型数据库的表，这跟mongo库一样，下面先把重要知识点梳理一下：
一、核心概念
- 集合（Collection）：类似关系型数据库的「表」，是存储向量数据和标量数据的基本单元。
- Schema（模式）：集合的「结构定义」，规定了集合中字段的名称、数据类型、主键、向量维度等核心属性。
- 索引（Index）：为提升向量 / 标量查询效率而创建的特殊数据结构，Milvus 支持多种索引类型适配不同场景。
- 加载状态（Load State）：Milvus 的集合需要加载到内存才能提供查询服务，分为
Loaded（已加载）和NotLoaded（未加载）两种状态。
二、向量集合的特点（关键知识点）
- 主键字段：每个集合必须有且仅有一个主键字段，支持 INT64/VARCHAR 类型，
auto_id=False表示主键需手动赋值（True 则由 Milvus 自动生成）； - 向量字段：Milvus 核心字段，支持 FLOAT_VECTOR（浮点型）和 BINARY_VECTOR（二进制），
dim必须与插入的向量维度一致（如 512、768 等）； - 动态字段：
enable_dynamic_field=True是 Milvus 的灵活特性，允许插入 Schema 中未定义的字段（如临时新增的标签、权重等），适合数据结构不固定的场景。
三、索引
- 标量索引：主键 / 字符串等标量字段常用
STL_SORT（排序索引），适合等值、范围查询； - 向量索引：
metric_type（度量类型）：COSINE（余弦相似度）适合文本向量，L2（欧氏距离）适合图片向量，需根据业务场景选择。
四、加载和分片
- 加载状态：创建集合时传入
index_params会自动加载集合到内存（Loaded），无索引则需后续手动调用client.load_collection()加载； - 分片（Shard）：
num_shards用于将集合数据拆分到多个分片，提升并发写入 / 查询性能，分片数需根据数据量和集群节点数调整（单节点集群建议设为 1）。
下面看代码：
# 过滤 pymilvus 依赖的 pkg_resources 废弃警告（setuptools≥81 版本触发）
# 目的是消除版本兼容带来的无关警告，让控制台输出更整洁
import warnings
warnings.filterwarnings("ignore", message=".*pkg_resources is deprecated as an API.*")# 导入 Milvus 客户端核心模块和数据类型枚举
from pymilvus import MilvusClient, DataType# -------------------------- 核心操作：Milvus 集合（Collection）创建 --------------------------
# 1. 初始化 Milvus 客户端连接
# uri: Milvus 服务的地址和端口（HTTP 协议）
# token: 认证令牌，格式为 "用户名:密码"（默认管理员账号 root，密码 Milvus）
client = MilvusClient(uri="http://192.168.211.128:19530",token="root:Milvus"
)# 2. 创建集合模式（Schema）
# schema 是集合的结构定义，包含字段名、数据类型、主键、向量维度等核心信息
# auto_id=False: 禁用自动生成 ID，需手动指定主键值
# enable_dynamic_field=True: 启用动态字段，允许插入 schema 中未定义的字段
schema = MilvusClient.create_schema(auto_id=False,enable_dynamic_field=True,
)# 3. 向 schema 中添加具体字段
# 3.1 添加主键字段：my_id，数据类型为 64 位整数，标记为主键
schema.add_field(field_name="my_id", datatype=DataType.INT64, is_primary=True)
# 3.2 添加向量字段：my_vector，数据类型为浮点型向量，维度为 5（需与插入的向量维度一致）
schema.add_field(field_name="my_vector", datatype=DataType.FLOAT_VECTOR, dim=5)
# 3.3 添加字符串字段：my_varchar，数据类型为 VARCHAR，最大长度 512 字符
schema.add_field(field_name="my_varchar", datatype=DataType.VARCHAR, max_length=512)# 4. 配置索引参数（用于提升查询效率）
# 初始化索引参数对象，用于批量添加多个字段的索引配置
index_params = client.prepare_index_params()# 4.1 为主键字段 my_id 添加索引
# index_type="STL_SORT": 针对排序场景的索引类型，适合主键字段
index_params.add_index(field_name="my_id",index_type="STL_SORT"
)# 4.2 为向量字段 my_vector 添加索引
# index_type="AUTOINDEX": Milvus 自动选择最优的向量索引类型（无需手动指定）
# metric_type="COSINE": 向量相似度计算方式为余弦相似度（常用还有 L2、IP 等）
index_params.add_index(field_name="my_vector",index_type="AUTOINDEX",metric_type="COSINE"
)# 5. 创建带索引的集合（创建时自动加载索引）
# collection_name: 集合名称（two_table）
# schema: 已定义的集合结构
# index_params: 已配置的索引参数，创建集合时会同时创建并加载索引
client.create_collection(collection_name="two_table",schema=schema,index_params=index_params
)# 6. 检查集合的加载状态
# 加载状态用于确认集合是否已加载到内存，可用于查询操作
res = client.get_load_state(collection_name="two_table")
print("two_table 加载状态:", res) # 输出：{'state': 'Loaded'}（创建时加载索引，状态为已加载）print('---------------- 分割线 ----------------')# 7. 创建不带索引的集合
# 仅指定集合名称和 schema，不传入 index_params，创建后集合无索引，也不会自动加载
client.create_collection(collection_name="one_talbe", # 注：此处笔误应为 one_table，建议修正schema=schema,
)# 检查无索引集合的加载状态
res = client.get_load_state(collection_name="one_talbe")
# 输出：{'state': 'NotLoaded'}（无索引时，集合不会自动加载到内存）
print("one_talbe 加载状态:", res)
# 补充说明：无索引的集合可后续通过 create_index 方法添加索引，再通过 load_collection 加载# 8. 创建指定分片数的集合
# num_shards=1: 设置集合的分片数量为 1（分片用于数据水平拆分，提升并发性能）
# 适用于大规模数据场景，分片数需根据集群节点数和数据量合理设置
client.create_collection(collection_name="three_table",schema=schema,num_shards=1 # 指定分片数量
)
执行结果：
two_table 加载状态: {'state': <LoadState: Loaded>}
---------------- 分割线 ----------------
one_talbe 加载状态: {'state': <LoadState: NotLoad>}