Milvus SCHEMA 字段类型和选择

目录

• 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

---

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.

需要的话，我可以给你：

• 为你的项目定制 Schema
• 推荐索引类型（IVF/Flat/HNSW/DiskANN）
• 给出写入、查询、合并等性能建议