首页 > 其他分享 >milvus-cli安装部署

milvus-cli安装部署

时间:2024-08-08 17:49:11浏览次数:12  
标签:cli 部署 db Python INT64 milvus 3.9

环境:
OS:Centos 7

milvus:2.3.5

milvus-cli:1.0.0

1.在线安装
你可以使用 Python 包管理在线安装,注意 Python 版本要在 3.9 以上。在线安装只需要一条命令即可:

[root@host134 bin]# pip -V
pip 23.0.1 from /usr/local/lib/python3.8/site-packages/pip (python 3.8)
[root@host134 bin]# pip install milvus-cli

ERROR: Ignored the following versions that require a different python version: 2.1.0 Requires-Python >=3.9; 2.1.0rc0 Requires-Python >=3.9; 2.1.1 Requires-Python >=3.9; 2.1.2 Requires-Python >=3.9; 2.1.3 Requires-Python >=3.9; 2.1.4 Requires-Python >=3.9; 2.2.0 Requires-Python >=3.9; 2.2.0rc0 Requires-Python >=3.9; 2.2.1 Requires-Python >=3.9; 2.2.2 Requires-Python >=3.9
ERROR: Could not find a version that satisfies the requirement grpcio==1.37.1 (from pymilvus) (from versions: none)
ERROR: No matching distribution found for grpcio==1.37.1

 

这里需要安装python 3.9以上版本
[root@host134 Python-3.9.19]# python -V
Python 3.9.19

 

[root@host134 Python-3.9.19]# which milvus_cli

/usr/local/bin/milvus_cli

 

2.登录milvus

[root@host134 Python-3.9.19]# milvus_cli



  __  __ _ _                    ____ _     ___
 |  \/  (_) |_   ___   _ ___   / ___| |   |_ _|
 | |\/| | | \ \ / / | | / __| | |   | |    | |
 | |  | | | |\ V /| |_| \__ \ | |___| |___ | |
 |_|  |_|_|_| \_/  \__,_|___/  \____|_____|___|

Milvus cli version: 1.0.0
Pymilvus version: 2.4.3

Learn more: https://github.com/zilliztech/milvus_cli.


milvus_cli > 

连接到服务器
milvus_cli > connect -uri http://192.168.1.134:19530 -t root:Milvus
Connect Milvus successfully.
+---------+---------------------+
| Address | 192.168.1.134:19530 |
|  Alias  |       default       |
+---------+---------------------+

milvus_cli > list databases
+---------+
| db_name |
+---------+
| default |
| db_test |
+---------+


milvus_cli > use database -db db_test
Using database db_test successfully!

milvus_cli > use database -db default
Using database default successfully!

milvus_cli > list collections
['mytest', 'hello_milvus']

 

##创建数据库

milvus_cli > create database -db db_hxl
Create database db_hxl successfully!

milvus_cli > list databases
+---------+
| db_name |
+---------+
| db_test |
| db_hxl  |
| default |
+---------+

 

3.创建集合

milvus_cli > use database -db db_hxl
Using database db_hxl successfully!



milvus_cli > create collection --help
Usage: milvus_cli create collection [OPTIONS]

  Create collection.

  Example:

    create collection -c car -f id:INT64:primary_field -f
    vector:FLOAT_VECTOR:128 -f color:INT64:color -f brand:ARRAY:64:VARCHAR:128
    -p id -A -d 'car_collection'

Options:
  -c, --collection-name TEXT      Collection name to specify alias.
  -p, --schema-primary-field TEXT
                                  Primary field name.
  -A, --schema-auto-id            [Optional, Flag] - Enable auto id.
  -desc, --schema-description TEXT
                                  [Optional] - Description details.
  -d, --is-dynamic TEXT           [Optional] - Collection schema supports
                                  dynamic fields or not.
  -level, --consistency-level TEXT
                                  [Optional] - Consistency level:
                                  Bounded,Session,Strong, Eventual .
  -f, --schema-field TEXT         [Multiple] - FieldSchema. Usage is
                                  "<Name>:<DataType>:<Dim(if vector) or
                                  Description>", Array Type is <Name>:<DataTyp
                                  e>:<MaxCapacity>:<ElementDataType>(:<MaxLeng
                                  th>if Varchar)
  -s, --shards-num INTEGER        [Optional] - Shards number
  --help                          Show this message and exit.

-c:集合名称
-f:自动名称,多个字段指定多个-f
-p:指定主键字段
-A:启用自增长ID
-desc:集合描述
-d: --is-dynamic TEXT

 

create collection -c tb_car01 -f id01:INT64:primary_field -f vector:FLOAT_VECTOR:128 -f color:INT64:color -f brand:INT64:brand -p id01 -d 'aaaa'
create collection -c tb_car02 -f id01:INT64:primary_field -f vector:FLOAT_VECTOR:128 -f color:INT64:color -f brand:INT64:brand -p id01 -A -d 'bbbb'
create collection -c tb_car03 -f id01:INT64:primary_field -f vector:FLOAT_VECTOR:128 -f color:INT64:color -f brand:INT64:brand -p id01 -A -desc 'kkkkk'

 

标签:cli,部署,db,Python,INT64,milvus,3.9
From: https://www.cnblogs.com/hxlasky/p/18349449

相关文章

  • Java毕业设计 基于Springboot+Vue的电影院剧院订票选座管理系统(源码+lw+部署文档+讲
    文末获取资源,收藏关注不迷路文章目录项目介绍功能需求技术介绍项目界面关键代码目录项目介绍随着经济的发展和信息技术的普及,国内许多企业都面临了重大的挑战。企业的管理流程、战略规划如果不能进行调整,极有可能面临淘汰的风险。特别是郑州大剧院,面对大量的会员和......
  • harbor私有镜像仓库高可用部署
    Harbor介绍harbor是一个docker私有镜像仓库,虽然docker官方提供了公共的镜像仓库(DockerHub),但是从安全和效率等方面考虑,部署私有环境内的Registry也是非常必要的。Harbor是由VMware公司开源的企业级的DockerRegistry管理项目。Harbor的优势:图形管理界面。按项目管理镜像。独......
  • 通过embeddable版python部署环境
    通过embeddable版python部署环境下载embeddable版本python首先在https://www.python.org/downloads/windows/找到embeddable版本的python压缩包进行下载。解压到指定目录。安装pip安装pip,首先下载get-pip.py文件。放置到解压的目录中。执行pythonget-pip.py安装pip。配......
  • Depth Anything强大的单目深度估计Python与C++模型部署
    引言最近看到一个叫DepthAnything单目深度估计模型火了,于是抽空把代码和模型下载下来体验了一下,发现确实是很强大。论文链接:https://arxiv.org/pdf/2401.10891.pdf代码链接:https://github.com/LiheYoung/Depth-Anything项目主页:https://depth-anything.github.io/本......
  • Redis-Sentinel部署记录
    目录Sentinel哨兵模式介绍Sentinel状态持久化Sentinel作用Sentinel工作方式(每个Sentinel实例都执行的定时任务)三个定时监控任务Sentinel搭建过程所有主机创建sentinel目录所有主机创建sentinel配置文件启动sentinel模拟主库宕机Sentinel常用命令PINGSENTINELmasterSENTINELslave......
  • kubernetes集群部署postgre 12.6数据库服务
    背景:因业务上线需要,研发中心要求在kubernetes测试集群部署一个postgre12.6的数据库,用于业务功能调试。一、实施部署postgre数据库: 1、拉取postgre12.6的镜像:[root@harbor-02~]#dockerpullregistry.cn-hangzhou.aliyuncs.com/images-speed-up/postgres:12.62017-l......
  • Redis-主从复制部署记录
    目录主从模式介绍作用工作原理全量同步增量同步主库是否要开启持久化?主从搭建过程主机规划下载redis安装依赖关闭防火墙编译安装redis所有主机配置环境变量所有主机创建Redis的数据存储目录所有主机创建配置文件启动redis使用system管理启动警告处理开启主从从库开启主从主库查看......
  • 【全网独家】java 九宫格拼图游戏(代码+测试部署)
    介绍九宫格拼图是一种经典的益智游戏,玩家需要将一幅图像打乱并重新排列,从而恢复原图。游戏通常以一个3x3的网格形式展现,每个方块包含图片的一部分。应用使用场景教育:帮助提高儿童的逻辑思维能力和动手能力。娱乐:提供消遣和挑战,适用于所有年龄段的玩家。认知训练......
  • from type [java.lang.String] to type [org. apache.kafka.clients.consumer.Consume
    kafka消费消息的时候,报错Noconverterfoundcapableofconvertingfromtype[java.lang.String]totype[org.apache.kafka.clients.consumer.ConsumerRecord<??>,没有消费到数据,这种情况可能是发送方发送的数据是封装了多个ConsumerRecord<??>对象发送过来的,需要用Consume......
  • ClickHouse生产环境部署
    背景ClickHouse是一个面向分析型的开源列式数据库管理系统,它主要应用于以下几个场景:数据仓库和商业智能分析:ClickHouse擅长处理大规模的数据,可以用于构建企业级的数据仓库,支持复杂的OLAP查询,可用实时数仓,适合各种商业分析和报表应用。实时分析和监控:ClickHouse以毫秒级的......