Chroma与Milvus向量数据库的应用探索

文章标题：

Chroma与Milvus向量数据库应用探究

文章内容：

一、向量数据库的定义

向量数据库（Vector Database）是专门用于存储和检索向量数据的数据库。它在图像搜索、推荐系统、自然语言处理等领域应用广泛。

简单来讲：

• 你向数据库输入一批“特征向量”（比如图片、文本的数字形式表示）
• 你向数据库询问“与这个向量最相似的有哪些？”
• 数据库快速返回“最相似”的结果

二、Chroma与Milvus基本情况

三、环境准备

• 操作系统：Windows、Mac或Linux均可使用
• Python版本：3.7及以上
• 安装包管理工具：pip

四、安装与配置

1、安装Chroma

直接安装Python库

pip install chromadb

2、安装Milvus

Milvus分为两部分：

• Milvus Server（核心数据库服务，需单独安装或通过Docker运行）
• Milvus Python SDK（客户端，方便Python调用）

2.1、使用官方推荐脚本（最便捷）

Milvus官方提供的脚本会自动启用嵌入式etcd并正确配置启动：

curl -sfL https://raw.githubusercontent.com/milvus-io/milvus/master/scripts/standalone_embed.sh -o standalone_embed.sh
bash standalone_embed.sh start

2.2、验证安装

启动后查看容器状态：

docker ps

应显示milvus_standalone正常运行

查看日志确认嵌入式etcd启动成功，无连接错误：

docker logs milvus_standalone

启动日志无报错

测试连接端口：

nc -zv localhost 19530

成功连接表示Milvus已正常监听端口。

2.3、安装Milvus Python SDK

pip install pymilvus

五、使用示例

1、Chroma简单示例

import chromadb

# 创建客户端 - 采用新的配置方式
client = chromadb.PersistentClient(path=".chromadb/")

# 创建/获取集合 - 使用get_or_create_collection避免重复创建问题
collection = client.get_or_create_collection("test_collection")

# 插入向量数据
collection.add(
    documents=["苹果", "香蕉", "橘子"],  # 文本描述
    embeddings=[[0.1, 0.2, 0.3], [0.2, 0.1, 0.4], [0.15, 0.22, 0.35]],  # 对应向量（示例）
    ids=["1", "2", "3"]
)

# 查询最相似向量
results = collection.query(
    query_embeddings=[[0.1, 0.2, 0.31]],
    n_results=1
)

print(results)

结果阐释：

• documents是输入数据库的文本内容
• embeddings是文本的向量表示（通常由模型生成）
• 查询时传入一个向量，返回最接近的指定数量结果

2、Milvus简单示例

from pymilvus import connections, FieldSchema, CollectionSchema, DataType, Collection

# 连接Milvus
connections.connect("default", host="127.0.0.1", port="19530")

# 定义集合结构
fields = [
    FieldSchema(name="id", dtype=DataType.INT64, is_primary=True, auto_id=False),
    FieldSchema(name="embedding", dtype=DataType.FLOAT_VECTOR, dim=3)
]

schema = CollectionSchema(fields, "test collection")

# 创建集合
collection = Collection("test_collection", schema)

# 插入数据
ids = [1, 2, 3]
embeddings = [
    [0.1, 0.2, 0.3],
    [0.2, 0.1, 0.4],
    [0.15, 0.22, 0.35]
]

collection.insert([ids, embeddings])

# 创建索引
index_params = {
    "index_type": "IVF_FLAT",
    "params": {"nlist": 10},
    "metric_type": "L2"
}
collection.create_index("embedding", index_params)

# 加载集合
collection.load()

# 查询向量
search_params = {"metric_type": "L2", "params": {"nprobe": 10}}
results = collection.search([[0.1, 0.2, 0.31]], "embedding", search_params, limit=2)

for result in results[0]:
    print(f"id: {result.id}, distance: {result.distance}")

六、总结