本文介绍如何通过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} ) ) 
