管理Alias-向量检索服务 Milvus 版(Milvus)-阿里云帮助中心

在 Milvus 中，别名（Alias）是集合（Collection）的“逻辑门牌号”——应用代码始终通过固定别名（如 product_embeddings）访问数据，而运维人员可在后台无感切换该别名指向的实际集合，全程无需修改代码。简言之，它如同给集合贴的“可移动标签”，应用只认标签，数据切换时只需更改标签，用户全程无感知，实现应用与物理数据的解耦。

适用场景

此功能对于生产环境下的高可用性和敏捷运维至关重要，尤其适用于：

零停机数据更新：允许在不中断在线服务的情况下，平滑地切换到包含更新数据的新 Collection。
A/B 测试：通过为不同用户群体或请求分配指向不同 Collection（例如，包含不同索引或模型版本）的别名，可以轻松实现流量切分和效果对比。
蓝绿部署：别名是实现向量检索服务蓝绿部署策略的原子操作基础。

别名的约束

多别名对单集合：一个 Collection 可以关联多个别名。
单集合对单别名：一个别名在任意时刻只能指向一个唯一的 Collection。

前提条件

已在本地客户端成功安装了PyMilvus库，并将其更新至当前最新版本。
如果您尚未在本地客户端安装PyMilvus库，或者需要将其更新至当前最新版本，您可以执行以下命令。
```
pip install --upgrade pymilvus
```
已创建Milvus实例，请参见详情快速创建Milvus实例。

别名管理API

创建别名

from pymilvus import MilvusClient

client = MilvusClient(
    uri="http://localhost:19530",
    token="root:xxx"
)

client.create_alias(
    collection_name="milvus_collection",
    alias="bob"
)

client.create_alias(
    collection_name="milvus_collection",
    alias="alice"
)

列出别名

res = client.list_aliases(
    collection_name="milvus_collection"
)
print(res)

执行成功时的返回结果为：

{
  "aliases": ["bob", "alice"],
  "collection_name": "milvus_collection",
  "db_name": "default"
}

描述别名

res = client.describe_alias(
    alias="bob"
)
print(res)

执行成功时的返回结果为：

{
  "alias": "bob",
  "collection_name": "milvus_collection",
  "db_name": "default"
}

更改别名

# 创建名称为milvus_collection的Collection2。
client.create_collection(
    collection_name="milvus_collection2",
    dimension=5
)
# 将alice更改为集合milvus_collection2的别名
client.alter_alias(
    collection_name="milvus_collection2",
    alias="alice"
)
res = client.describe_alias(
    alias="alice"
)
print(res)

执行成功时的返回结果为：

{
  "alias": "alice",
  "collection_name": "milvus_collection2",
  "db_name": "default"
}

删除别名

client.drop_alias(
    alias="bob"
)

别名使用案例：线上无感切换索引

背景

已在生产环境中创建了错误的索引配置（如索引类型、参数等），业务系统正在在线使用，期望尽量降低线上使用的影响

核心目标：在业务无感知（或影响极小）的情况下，为Milvus中的集合重建索引。

关键策略：使用双写、双集合、别名切换的策略，确保在任何阶段都能快速回滚。

实施步骤

阶段一：准备与双写改造

根据新的索引需求，创建新的集合（例如 collection_new_v2）。其Schema应与旧版集合（collection_old）基本一致。
修改业务代码，在执行插入、删除、更新操作时，同时向旧版集合 (collection_old) 和新集合 (collection_new_v2) 写入数据。

阶段二：数据同步与索引构建

使用数据迁移功能，将旧版集合 (collection_old) 中的存量数据全量同步到新集合 (collection_new_v2)，可以通过时间戳列的方式同步某时间戳之前的数据。
编写校验脚本，随机抽样或全量对比两个集合的数据量、关键字段的一致性。确保双写和存量同步的准确性。
在数据同步并校验无误后，对新集合 (collection_new_v2) 执行索引创建操作。

阶段三：预加载与资源准备

扩容QueryNode，让集群能够同时加载新老集合，建议预留一定的内存Buffer（例如20%），以应对流量波动。
load 新集合（collection_new_v2）。
加载完成后，通过专门的测试接口或少量读流量，验证新集合的查询功能是否正常、性能是否符合预期。

阶段四：别名切换

寻找业务低峰期做切换动作。
将旧版集合 (collection_old) 重命名为其他名字（例如 collection_service_backup）。
将新集合（collection_new_v2）添加到业务使用的别名（例如 collection_service）中。
切换后观察业务。
如需回滚，将旧版集合 (collection_old) 加回业务别名 (collection_service)，将新集合 (collection_new_v2) 从业务别名 (collection_service) 中移除。

阶段五：清理与成本优化

切换后观察业务，如果正常，释放旧版集合 (collection_old) 。
释放旧版集合后，集群内存水位会下降。此时可以安全下线之前步骤中扩容的QueryNode，使集群恢复到原有成本水平。
在确保所有数据和应用都稳定运行，且不再需要旧版集合后，删除旧版集合 (collection_old) 以释放磁盘空间。删除前，建议做最后一次数据备份或快照。
清理业务应用中的双写代码，并关闭双写配置（如果决定不再需要）。