id: insert_data.md related_key: insert

summary: Learn how to insert data in Milvus.

插入数据

当前主题介绍如何通过客户端向 Milvus 中插入数据。

你还可以使用 MilvusDM 将数据迁移到 Milvus，这是一款专门用于使用 Milvus 导入和导出数据而设计的开源工具。

以下示例插入 2000 行随机生成的数据作为示例数据（Milvus CLI 示例使用包含类似数据的预构建远程 CSV 文件）。实际应用程序可能会使用比示例更高维度的向量。你可以准备自己的数据来替换示例。

准备数据

首先，准备要插入的数据。插入数据的数据类型必须与 collection 的 schema 匹配，否则 Milvus 会抛出异常。

{{fragments/multiple_code.md}}

import random
data = [
            [i for i in range(2000)],
        [i for i in range(10000, 12000)],
            [[random.random() for _ in range(2)] for _ in range(2000)],
        ]

const data = Array.from({ length: 2000 }, (v,k) => ({
  "book_id": k,
  "word_count": k+10000,
  "book_intro": Array.from({ length: 2 }, () => Math.random()),
}));

bookIDs := make([]int64, 0, 2000)
wordCounts := make([]int64, 0, 2000)
bookIntros := make([][]float32, 0, 2000)
for i := 0; i < 2000; i++ {
    bookIDs = append(bookIDs, int64(i))
    wordCounts = append(wordCounts, int64(i+10000))
    v := make([]float32, 0, 2)
    for j := 0; j < 2; j++ {
        v = append(v, rand.Float32())
    }
    bookIntros = append(bookIntros, v)
}
idColumn := entity.NewColumnInt64("book_id", bookIDs)
wordColumn := entity.NewColumnInt64("word_count", wordCounts)
introColumn := entity.NewColumnFloatVector("book_intro", 2, bookIntros)

Random ran = new Random();
List<Long> book_id_array = new ArrayList<>();
List<Long> word_count_array = new ArrayList<>();
List<List<Float>> book_intro_array = new ArrayList<>();
for (long i = 0L; i < 2000; ++i) {
    book_id_array.add(i);
    word_count_array.add(i + 10000);
    List<Float> vector = new ArrayList<>();
    for (int k = 0; k < 2; ++k) {
        vector.add(ran.nextFloat());
    }
    book_intro_array.add(vector);
}

# Prepare your data in a CSV file. Milvus CLI only supports importing data from local or remote files.

向 Milvus 插入数据

将数据插入到 collection 中。

通过指定 partition_name，可以选择将数据插入到指定的 partition 中。

{{fragments/multiple_code.md}}

from pymilvus import Collection
collection = Collection("book")      # Get an existing collection.
mr = collection.insert(data)

const mr = await milvusClient.dataManager.insert({{
  collection_name: "book",
  fields_data: data,
});

_, err = milvusClient.Insert(
    context.Background(), // ctx
    "book",               // CollectionName
    "",                   // partitionName
    idColumn,             // columnarData
    wordColumn,           // columnarData
    introColumn,          // columnarData
)
if err != nil {
    log.Fatal("failed to insert data:", err.Error())
}

List<InsertParam.Field> fields = new ArrayList<>();
fields.add(new InsertParam.Field("book_id", DataType.Int64, book_id_array));
fields.add(new InsertParam.Field("word_count", DataType.Int64, word_count_array));
fields.add(new InsertParam.Field("book_intro", DataType.FloatVector, book_intro_array));
InsertParam insertParam = InsertParam.newBuilder()
        .withCollectionName("book")
        .withPartitionName("novel")
        .withFields(fields)
        .build();
milvusClient.insert(insertParam);

import -c book 'https://raw.githubusercontent.com/milvus-io/milvus_cli/main/examples/user_guide/search.csv'

限制

更多内容

• 了解更多关于 Milvus 的基本操作:
  • 创建向量索引
  • 进行向量搜索
  • 进行混合搜索
• 探索 Milvus SDK 的 API 参考:
  • PyMilvus API reference
  • Node.js API reference