<dependency>
    <groupId>io.milvus</groupId>
    <artifactId>milvus-sdk-java</artifactId>
    <version>2.5.11</version> <!-- 請查看GitHub更新最新版本 -->
</dependency>

@Configuration
public class MilvusConfig {
    @Value("${milvus_uri}")
    private String milvus_uri;
    @Bean
    public MilvusClientV2  milvusServiceClient() {
        ConnectConfig connectConfig = ConnectConfig.builder()
                .uri(milvus_uri)
                .build();
        return new MilvusClientV2(connectConfig);
    }
}

import io.milvus.v2.client.MilvusClientV2;
import io.milvus.v2.client.ConnectConfig;
import io.milvus.v2.service.collection.request.CreateCollectionReq;
import io.milvus.v2.service.collection.request.AddFieldReq;
import io.milvus.v2.common.DataType;
public class MilvusCollectionCreator {
    public static void main(String[] args) {
        // 1. 配置并創(chuàng)建 Milvus 客戶端
        ConnectConfig connectConfig = ConnectConfig.builder()
                .uri("http://localhost:19530") // Milvus 服務器地址
                .token("username:password")     // 若啟用認證，請?zhí)峁环駝t可省略
                .build();
        MilvusClientV2 client = new MilvusClientV2(connectConfig);
        // 2. 定義集合名稱
        String collectionName = "my_first_collection"; // 替換為你想要的集合名
        // 3. 構建集合 Schema (字段定義)
        CreateCollectionReq.CollectionSchema schema = client.createSchema(); // 創(chuàng)建空Schema
        // 3.1 添加主鍵字段 (通常是INT64或VarChar)
        schema.addField(AddFieldReq.builder()
                .fieldName("id")
                .dataType(DataType.Int64)
                .isPrimaryKey(true) // 設為主鍵
                .autoID(false)       // 設置為false表示插入數(shù)據(jù)時需自行提供ID
                .build());
        // 3.2 添加標量字段 (例如存儲文本名稱)
        schema.addField(AddFieldReq.builder()
                .fieldName("name")
                .dataType(DataType.VarChar)
                .maxLength(255)      // VarChar類型必須指定最大長度
                .build());
        // 3.3 添加向量字段 (核心部分)
        int vectorDimension = 768; // 必須與你后續(xù)要插入的向量維度一致！
        schema.addField(AddFieldReq.builder()
                .fieldName("vector_embedding") // 字段名
                .dataType(DataType.FloatVector) // 數(shù)據(jù)類型為浮點向量
                .dimension(vectorDimension)     // 必須指定向量維度
                .build());
        // 4. 構建創(chuàng)建集合的請求
        CreateCollectionReq createCollectionReq = CreateCollectionReq.builder()
                .collectionName(collectionName)
                .collectionSchema(schema) // 設置定義好的Schema
                // .shardsNum(1)        // (可選) 設置分片數(shù)，默認為1
                // .enableDynamicField(true) // (可選) 是否啟用動態(tài)字段以存儲未定義的字段
                .build();
        // 5. 執(zhí)行創(chuàng)建操作
         client.createCollection(createCollectionReq);
         System.out.println("集合 '" + collectionName + "' 創(chuàng)建成功！");
    }
}

    /**
     * 插入單條數(shù)據(jù)到Milvus集合
     * @param id 記錄的唯一ID
     * @param text 原始文本或其他標量數(shù)據(jù)
     * @param vector 文本對應的向量（Float列表）
     * @return 插入結果信息
     */
    public String insertSingleData(Long id, String text, List<Float> vector) {
        try {
            // 1. 構建一個 JsonObject 代表一條記錄
            JsonObject entity = new JsonObject();
            entity.addProperty("id", id); // 主鍵字段 (需與集合Schema定義匹配)
            entity.addProperty("content", text); // 標量字段 (例如存儲原始文本)
            // 將向量列表轉換為JsonArray并添加到實體中
            entity.add("vector", gson.toJsonTree(vector)); // 向量字段 (字段名需與Schema匹配)
            // 2. 將單條數(shù)據(jù)放入列表
            List<JsonObject> dataList = Collections.singletonList(entity);
            // 3. 構建插入請求
            InsertReq insertReq = InsertReq.builder()
                    .collectionName(COLLECTION_NAME)
                    .data(dataList)
                    .build();
            // 4. 執(zhí)行插入
            InsertResp insertResp = milvusClientV2.insert(insertReq);
            return "成功插入 " + insertResp.getInsertCnt() + " 條數(shù)據(jù)。";
        } catch (Exception e) {
            throw new RuntimeException("插入數(shù)據(jù)失敗: " + e.getMessage(), e);
        }
    }

import io.milvus.param.index.CreateIndexParam;
import io.milvus.param.index.IndexType;
import io.milvus.param.index.MetricType;
CreateIndexParam createIndexParam = CreateIndexParam.newBuilder()
        .withCollectionName("my_book_collection")
        .withFieldName("embedding") // 在哪個向量字段上建索引
        .withIndexType(IndexType.IVF_FLAT) // 選擇索引類型
        .withMetricType(MetricType.COSINE) // 選擇度量類型
        .withExtraParam("{\"nlist\":1024}") // 索引參數(shù)，nlist是聚類中心數(shù)
        .build();
milvusClient.createIndex(createIndexParam);
System.out.println("Index created successfully!");

    public Map<String, String> query(List<Float> embedding) {
        // key:原始文本，value：drug_code
        Map<String, String> res = new HashMap<>();
        //設置查詢參數(shù)
        Map<String, Object> searchParamsMap = new HashMap<>();
        searchParamsMap.put("nprobe", 10); // 設置搜索的桶數(shù)量，影響精度和性能
        // 設置返回的field
        List<String> returnFields = Arrays.asList("original_text", "drug_code");
        FloatVec floatVec = new FloatVec(embedding);
        SearchReq searchReq = SearchReq.builder()
                .collectionName(DRUG_WES_COLLECTION_NAME)
                .data(Collections.singletonList(floatVec))
                .topK(TOK_K)
                .outputFields(returnFields)
                .searchParams(searchParamsMap)
                .build();
        SearchResp searchResp = milvusServiceClient.search(searchReq);
        //獲取查詢向量檢索出的數(shù)據(jù)
        List<SearchResp.SearchResult> searchResult = searchResp.getSearchResults().get(0);
        for (SearchResp.SearchResult sr : searchResult) {
            Map<String, Object> entity = sr.getEntity();
            String originalText = (String) entity.get("original_text");
            String drugCode = (String) entity.get("drug_code");
            res.put(originalText,drugCode);
        }
        return res;
    }