Milvus

Milvus 是面向向量相似度检索的数据库。Vane 通过分布式整行 upsert，将查询结果写入已有集合。

示例

下面将两条文档向量写入 documents。安装 vane-ai[milvus] 可选依赖，并预先创建集合：id 为 INT64 主键，embedding 为 3 维 FLOAT_VECTOR，title 为 VARCHAR（最大长度 128）。关闭 AutoID 和动态字段，不配置集合函数。

example.py

import vane
from vane import MilvusSink


relation = vane.sql("""
    SELECT id::BIGINT AS id, embedding::FLOAT[] AS embedding, title
    FROM (VALUES
        (1, [0.1, 0.2, 0.3], 'Vector search'),
        (2, [0.4, 0.5, 0.6], 'Data pipelines')
    ) AS documents(id, embedding, title)
""")


sink = MilvusSink(
    "documents",
    uri="http://localhost:19530",
    primary_key="id",
    worker_count=2,
)
summary = relation.write_datasink(sink)

服务地址需能被所有 worker 访问。相同 ID 会替换整行；后续批次失败时，已成功的批次不会回滚。