Documentation Index
Fetch the complete documentation index at: https://docs.textin.com/llms.txt
Use this file to discover all available pages before exploring further.
Zilliz Cloud
Zilliz Cloud 是 Milvus 的云服务版本，提供托管的向量数据库服务。
参数说明
| 参数 | 类型 | 必填 | 说明 |
|---|
type | string | 是 | 固定为 "zilliz" |
db_path | string | 是 | Zilliz Cloud 连接地址 |
collection_name | string | 是 | 集合（Collection）名称 |
dimension | integer | 是 | 向量维度，必须与 embed 模型维度一致（当前为 1024） |
api_key | string | 否 | Zilliz Cloud API Key（与 token 二选一） |
token | string | 否 | Zilliz Cloud Token（与 api_key 二选一） |
如何获取鉴权参数
-
注册 Zilliz Cloud 账号：
-
创建集群：
- 在 Zilliz Cloud 控制台创建新的集群
- 选择合适的地域和规格
- 等待集群创建完成
-
获取连接信息：
- 在集群详情页查看”连接地址”（Endpoint）
- 格式：
https://xxxxxxx.serverless.xxxxxxx.cloud.zilliz.com.cn
-
获取 API Key：
- 进入”API Keys”页面
- 创建新的 API Key 或使用现有 Key
- 保存 API Key 值（注意：API Key 只显示一次，请妥善保存）
-
创建集合（可选）：
- Pipeline 会自动创建集合，但您也可以预先在控制台创建
- 确保集合的向量维度与 embed 模型一致（1024 维）
配置示例
使用 API Key：
from xparse_client import MilvusDestination
destination = MilvusDestination(
db_path='https://xxxxxxx.serverless.xxxxxxx.cloud.zilliz.com.cn', # Zilliz Cloud 连接地址
collection_name='my_collection', # 集合名称
dimension=1024, # 向量维度
api_key='your-zilliz-api-key' # Zilliz Cloud API Key
)
from xparse_client import MilvusDestination
destination = MilvusDestination(
db_path='https://xxxxxxx.serverless.xxxxxxx.cloud.zilliz.com.cn',
collection_name='my_collection',
dimension=1024,
token='your-zilliz-token' # 使用 token 替代 api_key
)
使用示例
from xparse_client import MilvusDestination, Pipeline
destination = MilvusDestination(
db_path='https://xxxxxxx.serverless.xxxxxxx.cloud.zilliz.com.cn',
collection_name='documents',
dimension=1024,
api_key='your-zilliz-api-key'
)
# ... 其他配置
pipeline = Pipeline(
source=source,
destination=destination,
# ...其他配置
)
pipeline.run()
数据 Schema
Zilliz Cloud 与本地 Milvus 共享相同的 Schema：
| 字段名 | 类型 | 说明 |
|---|
element_id | VARCHAR(128) | 元素唯一标识符（主键） |
embeddings | FLOAT_VECTOR(1024) | 向量嵌入（1024 维） |
text | VARCHAR(65535) | 元素文本内容 |
record_id | VARCHAR(128) | 记录 ID |
metadata | JSON | 元数据信息（动态字段） |
向量检索示例
from pymilvus import MilvusClient
client = MilvusClient(
uri='https://xxxxxxx.serverless.xxxxxxx.cloud.zilliz.com.cn',
token='your-zilliz-api-key' # 或 token
)
query_vector = [0.1, 0.2, 0.3, ...] # 1024 维向量
results = client.search(
collection_name='documents',
data=[query_vector],
limit=5,
search_params={"metric_type": "COSINE", "params": {"nprobe": 10}},
output_fields=['text', 'metadata']
)
for result in results[0]:
print(f"相似度: {1 - result['distance']:.4f}")
print(f"文本: {result['entity']['text'][:100]}...")
参考文档
