1. 连接Milvus并创建第一个集合

任务说明

本案例目标：使用 Milvus Python SDK 连接本地 Milvus 服务，创建第一个集合，并完成基础参数配置。完成后，你将拥有一个可写入数据的空集合，为后续向量检索案例提供基础。

环境准备

确保已安装 Milvus 服务（本案例使用 Milvus 2.x 版本）及 Python SDK：

pip install pymilvus==2.4.9

实现代码

from pymilvus import (
    connections,
    utility,
    FieldSchema,
    CollectionSchema,
    DataType,
    Collection,
)

# 1. 连接 Milvus 服务
connections.connect(alias="default", host="localhost", port="19530")
print("连接成功")

# 2. 定义集合名称
collection_name = "demo_collection"

# 3. 若集合已存在，先删除以便重复运行
if utility.has_collection(collection_name):
    utility.drop_collection(collection_name)

# 4. 定义字段
fields = [
    FieldSchema(name="id", dtype=DataType.INT64, is_primary=True, auto_id=False),
    FieldSchema(name="embedding", dtype=DataType.FLOAT_VECTOR, dim=8),
]

# 5. 创建集合模式
schema = CollectionSchema(fields=fields, description="第一个测试集合")

# 6. 创建集合（不创建索引）
collection = Collection(name=collection_name, schema=schema)
print(f"集合 {collection_name} 创建成功")

# 7. 验证集合信息
print(f"集合名称: {collection.name}")
print(f"字段列表: {[field.name for field in collection.schema.fields]}")
print(f"向量维度: {collection.schema.fields[1].params['dim']}")
print(f"集合行数: {collection.num_entities}")

关键说明

• 连接参数：host 和 port 需与本地 Milvus 服务实际地址一致，默认端口为 19530。
• 字段设计：主键 id 为 INT64 类型，向量字段 embedding 为 8 维浮点向量（维度可根据实际需求调整）。
• 集合删除：代码开头检查并删除同名集合，确保脚本可重复执行而不报错。
• 索引说明：本案例仅创建集合，未创建索引。索引创建将在后续案例中单独演示。

运行与验证

1. 启动 Milvus 服务（默认本地 standalone 模式）。
2. 运行上述 Python 脚本。
3. 观察输出：若显示“连接成功”“集合 demo_collection 创建成功”，且集合行数为 0，则说明集合创建成功。

判定标准：脚本无异常退出，输出信息与代码逻辑一致，且通过 utility.has_collection("demo_collection") 可查询到该集合存在。

预期输出

连接成功
集合 demo_collection 创建成功
集合名称: demo_collection
字段列表: ['id', 'embedding']
向量维度: 8
集合行数: 0