向量检索服务DashVector FAQ

每个Collection创建时，默认创建一个名称为default的Partition，且该Partition无法被删除。当Doc操作不指定Partition时，实际相当于使用default Partition。例如：检索Doc时，若不指定Partition，则仅检索default Partition，不会检索其他Partition的数据。

• 插入Doc：若插入Doc时若指定id已存在，已存在的Doc不会被覆盖，本次插入Doc操作无效。

• 更新Doc：当前行为是覆盖已存在Doc，若更新Doc时若指定id不存在，则本次更新Doc操作无效。

• 插入或更新Doc：若插入Doc时若指定id已存在，则等同于更新Doc；指定id不存在，则等同于插入Doc。

当前无清空Collection操作，可删除Collection后再新建Collection。

插入Doc、更新Doc、插入或更新Doc、检索Doc、删除Doc、获取Doc操作皆可通过设置async_req=True来使用异步的能力，如下所示：

# 异步写入1000次，dimension=20000，batch-size=8
batch_size = 8
loop = 1000
start = time.time()

async_results = [
    collection.insert(
        [(j + i * batch_size, np.random.rand(20000)) for j in range(batch_size)],
        async_req=True
    ) for i in range(loop)
]

# 等待所有写入操作完成
print([async_result.get() for async_result in async_results])

print(f"async insert {loop} times with batch-size = {batch_size}, cost = {time.time() - start}")

# output：
# async insert 1000 times with batch-size = 8, cost = 31.13356590270996

# 对比同步写入（代码略）
# sync insert 1000 times with batch-size = 8, cost = 408.63447427749634

Partition级别唯一。同一个Collection下的不同Paritition，可以有Id相同的Doc存在。

DashVector当前支持单精度浮点数的向量数据类型，又称FP32或float32。其精度范围如下：

若传入的向量数据精度超出上述表达范围，将自动近似到单精度表达范围内的最近值，也就发生了“精度损失”。

一个典型的场景：使用DashScope的ONE-PEACE多模态向量表征或通用文本向量的embedding能力生产向量时，其Python SDK或Java SDK会将单精度（FP32）向量自动转换为双精度（FP64）向量。若将该双精度（FP64）向量插入至DashVector，就会产生伪精度损失（看起来小数部分变少，但实际精度没有损失）。

不支持。若需要查询多个Partition，需进行多次检索Doc调用，每次调用仅可指定一个Partition。

下载较慢是由于默认从GitHub 下载，网络速率较慢。在下载时可以临时把下载源设置成国内的。

例如设置成国内阿里云的镜像源：

1. 打开终端（对于Linux/macOS）或命令提示符/PowerShell（对于Windows）。

2. 可以通过-i或--index-url参数来指定源（即镜像源），这样可以加快下载速度。

   pip3 install dashvector -i https://mirrors.aliyun.com/pypi/simple/

不支持。Cluster只能去管理控制台购买。可参考创建Cluster。

付费Cluster最大可创建32个Collection，可创建的Partition数量随规格递增且与Collection数量无关，可参考约束与限制。

向量检索里面 filter 仅支持文本前缀匹配搜索。可以参考条件过滤检索。

此报错是由于免费的cluster使用http请求调用检索服务时，传入的collectionName有误造成。另外免费的Cluster有QPS限制，付费Cluster容量和QPS不做硬性限制。可参考约束与限制。

Client传入的endpoint不对，检查参数是否正确。注意参数里不能带"{}"。