如何使用Python和Milvus向量数据库删除数据？
摘要：Milvus 向量数据库实战：高效删除数据的两种核心方式 Milvus 作为主流的开源向量数据库，在处理海量向量数据时，数据的增删改查是核心操作。本文聚焦 Milvus 中数据删除的两种常用方式（按主键删除、按条件批量删除），结合可直接运行
Milvus 向量数据库实战：高效删除数据的两种核心方式
Milvus 作为主流的开源向量数据库，在处理海量向量数据时，数据的增删改查是核心操作。本文聚焦 Milvus 中数据删除的两种常用方式（按主键删除、按条件批量删除），结合可直接运行的代码示例，带你掌握 Milvus 数据删除的实操技巧。
方式 1：按主键（ID）精准删除
适用于已知要删除数据的主键 ID 场景，可一次性删除单个或多个主键对应的数据，精准度高：
方式 2：按条件批量删除
适用于需要删除「符合特定业务条件」的批量数据场景，通过 filter 参数指定过滤规则，灵活度高：
关键注意事项
软删除特性：Milvus 的删除操作默认是「软删除」，数据不会立即从磁盘删除，而是标记为删除状态；如需彻底清理，可执行 client.compact(collection_name) 压缩数据。
一致性保障：删除操作是异步生效的，建议添加 time.sleep()确保查询到最新数据。
过滤条件语法：filter 参数支持丰富的表达式（如 in/>/</= 等），可根据业务需求灵活编写（例如 id > 10 and color like 'red_%'）。
代码如下：
# 过滤 pymilvus 依赖的 pkg_resources 废弃警告（setuptools≥81 版本触发）
# 目的是消除版本兼容带来的无关警告，让控制台输出更整洁
import warnings
warnings.filterwarnings("ignore", message=".*pkg_resources is deprecated as an API.*")
from pymilvus import MilvusClient
import time
client = MilvusClient(
uri="http://192.168.211.128:19530",
token="root:Milvus"
)
#集合名称
collection_name = "insert_collection"
# 验证加载状态
load_state = client.get_load_state(collection_name=collection_name)
print("----查看加载状态----")
print(load_state)
# 查询数据
all_data = client.query(
collection_name=collection_name,
filter="id >= 0",
output_fields=["id", "vector", "color"],
limit=10 # 使用实际数据量作为limit
)
# 打印查询结果
print(f"\n集合 {collection_name} 中共有 {len(all_data)} 条数据：")
for idx, data in enumerate(all_data):
print(f"\n第{idx+1}条：")
print(f"ID: {data['id']}")
print(f"向量: {data['vector']}")
print(f"颜色: {data['color']}")
#通过主键删除
res = client.delete(
collection_name=collection_name,
# highlight-next-line
ids=[0, 1]
)
print(res)
#批量删除了所有颜色字段设置为红色和绿色的实体
res = client.delete(
collection_name=collection_name,
filter="color in ['white_9381', 'purple_4976']"
)
print(res)
time.sleep(1) # 增加延迟，确保删除生效
# 查询数据
all_data = client.query(
collection_name=collection_name,
filter="id >= 0",
output_fields=["id", "vector", "color"],
limit=10 # 使用实际数据量作为limit
)
# 打印查询结果
print(f"\n集合 {collection_name} 中共有 {len(all_data)} 条数据：")
for idx, data in enumerate(all_data):
print(f"\n第{idx+1}条：")
print(f"ID: {data['id']}")
print(f"向量: {data['vector']}")
print(f"颜色: {data['color']}")
结果输出：
----查看加载状态----
{'state': <LoadState: Loaded>}
集合 insert_collection 中共有 10 条数据：
第1条：
ID: 0
向量: [-0.6199544, 0.4479437, -0.17493895, -0.42480302, -0.8648453]
颜色: black_2
第2条：
ID: 1
向量: [0.19886813, 0.060235605, 0.6976963, 0.26144746, 0.8387295]
颜色: red_7025
第3条：
ID: 2
向量: [0.43742132, -0.55975026, 0.6457888, 0.7894059, 0.20785794]
颜色: orange_6781
第4条：
ID: 3
向量: [0.3172005, 0.97190446, -0.36981148, -0.48608947, 0.9579189]
颜色: pink_9298
第5条：
ID: 4
向量: [0.44523495, -0.8757027, 0.82207793, 0.4640629, 0.3033748]
颜色: red_4794
第6条：
ID: 5
向量: [0.9858251, -0.81446517, 0.6299267, 0.12069069, -0.14462778]
颜色: yellow_4222
第7条：
ID: 6
向量: [0.8371978, -0.015764369, -0.31062937, -0.56266695, -0.8984948]
颜色: red_9392
第8条：
ID: 7
向量: [-0.33445147, -0.2567135, 0.898754, 0.9402996, 0.5378065]
颜色: grey_8510
第9条：
ID: 8
向量: [0.3952472, 0.40002573, -0.5890507, -0.86505026, -0.6140361]
颜色: white_9381
第10条：
ID: 9
向量: [0.57182807, 0.24070318, -0.37379134, -0.067269325, -0.6980532]
颜色: purple_4976
{'delete_count': 2}
{'delete_count': 2}
集合 insert_collection 中共有 8 条数据：
第1条：
ID: 2
向量: [0.43742132, -0.55975026, 0.6457888, 0.7894059, 0.20785794]
颜色: orange_6781
第2条：
ID: 3
向量: [0.3172005, 0.97190446, -0.36981148, -0.48608947, 0.9579189]
颜色: pink_9298
第3条：
ID: 4
向量: [0.44523495, -0.8757027, 0.82207793, 0.4640629, 0.3033748]
颜色: red_4794
第4条：
ID: 5
向量: [0.9858251, -0.81446517, 0.6299267, 0.12069069, -0.14462778]
颜色: yellow_4222
第5条：
ID: 6
向量: [0.8371978, -0.015764369, -0.31062937, -0.56266695, -0.8984948]
颜色: red_9392
第6条：
ID: 7
向量: [-0.33445147, -0.2567135, 0.898754, 0.9402996, 0.5378065]
颜色: grey_8510
第7条：
ID: 8
向量: [0.3952472, 0.40002573, -0.5890507, -0.86505026, -0.6140361]
颜色: white_9381
第8条：
ID: 9
向量: [0.57182807, 0.24070318, -0.37379134, -0.067269325, -0.6980532]
颜色: purple_4976
更多学习资料尽在老虎网盘资源：http://resources.kittytiger.cn/
老虎网盘资源