Milvus_CLIを使い始める
情報爆発の時代、私たちは音声、画像、動画、その他の非構造化データを常に生み出している。この膨大なデータをいかに効率的に分析するか。ニューラルネットワークの登場により、非構造化データをベクトルとして埋め込むことが可能になり、Milvusデータベースは、ベクトルデータの保存、検索、分析を完結させる基本的なデータサービスソフトウェアである。
しかし、Milvusのベクトル・データベースを迅速に利用するにはどうすればよいのだろうか？
APIは覚えるのが大変で、Milvusデータベースを操作する簡単なコマンドラインがあればいいのに、と不満を漏らすユーザーもいる。
Milvus_CLIはMilvusベクトルデータベース専用のコマンドラインツールです。
Milvus_CLIはMilvusの便利なデータベースCLIであり、シェルの対話型コマンドを使用してデータベース接続、データインポート、データエクスポート、ベクトル計算を行うことができます。最新版のMilvus_CLIには以下の機能があります。
Windows、Mac、Linuxを含む全てのプラットフォームに対応
pip によるオンラインおよびオフラインインストールに対応
ポータブル、どこでも使用可能
Python用Milvus SDKをベースに構築
ヘルプドキュメント付き
オートコンプリート対応
インストール
Milvus_CLIはオンラインでもオフラインでもインストールできます。
オンラインでMilvus_CLIをインストールする
以下のコマンドを実行し、pipでMilvus_CLIをオンラインインストールします。Python 3.8以降が必要です。
pip install milvus-cli
Milvus_CLI をオフラインでインストールする
Milvus_CLIをオフラインでインストールするには、まずリリースページから最新のtarballをダウンロードしてください。
図1](https://assets.zilliz.com/1_af0e832119.png)
tarballのダウンロードが完了したら、以下のコマンドを実行し、Milvus_CLIをインストールします。
pip install milvus_cli-<バージョン>.tar.gz
Milvus_CLIがインストールされたら、milvus_cliを実行する。表示される milvus_cli > プロンプトはコマンドラインの準備ができたことを示している。
図2](https://assets.zilliz.com/2_b50f5d2a5a.png)
M1チップを搭載したMacやPython環境のないPCを使っている場合は、代わりにポータブルアプリケーションを使うこともできる。そのためには、ダウンロード して、あなたのOSに対応するリリースページにあるファイルを chmod +x して実行可能な状態にし、./ を実行してください。
例
以下の例では milvus_cli-v0.1.8-fix2-macOS を実行可能にして実行している。
sudo chmod +x milvus_cli-v0.1.8-fix2-macOS
./milvus_cli-v0.1.8-fix2-macOS
使用法
Milvus に接続する
Milvusに接続する前に、Milvusがサーバにインストールされていることを確認してください。詳細はMilvus StandaloneのインストールまたはMilvus Clusterのインストールを参照してください。
Milvusがデフォルトポートでlocalhostにインストールされている場合、connectを実行する。
図3](https://assets.zilliz.com/3_f950d3739a.png)
それ以外の場合は、MilvusサーバのIPアドレスを指定して以下のコマンドを実行する。以下の例では、IPアドレスに172.16.20.3、ポート番号に19530を使用している。
connect -h 172.16.20.3
図4](https://assets.zilliz.com/5_95a88c1cbf.png)
コレクションの作成
このセクションでは、コレクションの作成方法を紹介します。
コレクションはエンティティで構成され、RDBMS のテーブルに似ています。詳細は用語集を参照してください。
図5](https://assets.zilliz.com/5_95a88c1cbf.png)
例
以下の例では、car という名前のコレクションを作成する。carコレクションには、id,vector,color,brandの4つのフィールドがある。主キーフィールドはid` である。詳細はcreate collectionを参照すること。
create collection -c car -f id:INT64:primary_field -f vector:FLOAT_VECTOR:128 -f color:INT64:color -f brand:INT64:brand -p id -a -d 'car_collection'.
コレクションをリストアップする
以下のコマンドを実行し、Milvusインスタンスの全コレクションをリストアップします。
コレクションのリスト
図6](https://assets.zilliz.com/6_1331f4c8bc.png)
以下のコマンドを実行して、carコレクションの詳細を確認する。
コレクションを記述する -c car
図7](https://assets.zilliz.com/7_1d70beee54.png)
2つのベクトル間の距離を計算する
以下のコマンドを実行して、carコレクションにデータをインポートする。
import -c car 'https://raw.githubusercontent.com/zilliztech/milvus_cli/main/examples/import_csv/vectors.csv'
図8](https://assets.zilliz.com/8_7609a4359a.png)
queryを実行し、プロンプトが表示されたら、コレクション名としてcar、クエリ式としてid>0` を入力する。以下の図に示すように、条件を満たすエンティティの ID が返される。
図9](https://assets.zilliz.com/9_f0755589f6.png)
calc`を実行し、プロンプトが表示されたら適切な値を入力して、ベクトル配列間の距離を計算する。
コレクションを削除する
以下のコマンドを実行して car コレクションを削除する。
コレクションを削除する -c car
図10](https://assets.zilliz.com/10_16b2b01935.png)
もっと見る
Milvus_CLIは上記の機能に限定されるものではありません。helpを実行するとMilvus_CLIに含まれる全てのコマンドとそれぞれの説明が表示されます。指定したコマンドの詳細を表示するには
図11](https://assets.zilliz.com/11_5f31ccb1e8.png)
参照:
Milvus Docs の Milvus_CLI コマンドリファレンス も参照してください。
Milvus_CLIがMilvusベクトルデータベースをより簡単に利用するための一助となれば幸いです。今後もMilvus_CLIを最適化していきますので、ご協力をお願いいたします。
ご質問がございましたら、GitHubのfile an issueまでお気軽にご連絡ください。
読み続けて
Announcing the General Availability of Single Sign-On (SSO) on Zilliz Cloud
SSO is GA on Zilliz Cloud, delivering the enterprise-grade identity management capabilities your teams need to deploy vectorDB with confidence.
Democratizing AI: Making Vector Search Powerful and Affordable
Zilliz democratizes AI vector search with Milvus 2.6 and Zilliz Cloud for powerful, affordable scalability, cutting costs in infrastructure, operations, and development.
How to Use Anthropic MCP Server with Milvus
MCP + Milvus: Streamline AI agent development with standardized data access, eliminating integration hassles while enhancing context and flexibility.