如何通过Python SDK更新Collection中已存在的Doc
说明
若更新Doc时指定id不存在，则本次更新Doc操作无效
如只更新部分属性fields，其他未更新属性fields默认被置为None
Python SDK 1.0.11版本后，更新Doc时vector变为非必填项
前提条件
已创建Cluster
已获得API-KEY
已安装最新版SDK
接口定义
Python示例：
Collection.update(
docs: Union[Doc, List[Doc], Tuple, List[Tuple]],
partition: Optional[str] = None,
async_req: False
) -> DashVectorResponse
使用示例
说明
需要使用您的api-key替换示例中的YOUR_API_KEY、您的Cluster Endpoint替换示例中的YOUR_CLUSTER_ENDPOINT，代码才能正常运行。
本示例需要参考新建Collection-使用示例提前创建好名称为quickstart的Collection。
Python示例：
import dashvector
from dashvector import Doc
import numpy as np
client = dashvector.Client(
api_key='YOUR_API_KEY',
endpoint='YOUR_CLUSTER_ENDPOINT'
)
collection = client.get(name='quickstart')
更新Doc
Python示例：
# 通过Doc对象update
ret = collection.update(
Doc(
id='1',
vector=[0.1, 0.2, 0.3, 0.4]
)
)
# 判断update是否成功
assert ret
# 简化形式：通过Tuple update
ret = collection.update(
('2', [0.1, 0.1, 0.1, 0.1]) # (id, vector)
)
更新带有Fields的Doc
Python示例：
# update单条数据，并设置Fields Value
ret = collection.update(
Doc(
id='3',
vector=np.random.rand(4),
fields={
# 设置创建Collection时预定义的Fields Value
'name': 'zhangsan', 'weight':70.0, 'age':30,
# 设置Schema-Free的Field & Value
'anykey1': 'str-value', 'anykey2': 1,
'anykey3': True, 'anykey4': 3.1415926
}
)
)
# update单条数据，并设置Fields Value
ret = collection.update(
('4', np.random.rand(4), {'foo': 'bar'}) # (id, vector, fields)
)
批量更新Doc
Python示例：
# 通过Doc对象，批量update 10条数据
ret = collection.update(
[
Doc(id=str(i+5), vector=np.random.rand(4)) for i in range(10)
]
)
# 简化形式：通过Tuple，批量update 3条数据
ret = collection.update(
[
('15', [0.2,0.7,0.8,1.3], {'age': 20}),
('16', [0.3,0.6,0.9,1.2], {'age': 30}),
('17', [0.4,0.5,1.0,1.1], {'age': 40})
] # List[(id, vector, fields)]
)
# 判断批量update是否成功
assert ret
异步更新Doc
Python示例：
# 异步批量update 10条数据
ret_funture = collection.update(
[
Doc(id=str(i+18), vector=np.random.rand(4), fields={'name': 'foo' + str(i)}) for i in range(10)
],
async_req=True
)
# 等待并获取异步update结果
ret = ret_funture.get()
更新带有Sparse Vector的Doc
Python示例：
ret = collection.update(
Doc(
id='28',
vector=[0.1, 0.2, 0.3, 0.4],
sparse_vector={1:0.4, 10000:0.6, 222222:0.8}
)