位集
本主题介绍了位集机制，该机制有助于在 Milvus 中实现属性过滤和删除操作等关键功能。
概述
位集是一组位。位是仅具有两个可能值的元素，通常是 0 和 1，或布尔值 true 和 false。在 Milvus 中，位集是由位数字 0 和 1 组成的数组，可用于紧凑高效地表示某些数据，而不是使用整数、浮点数或字符。位数字默认为 0，只有在满足某些条件时才会设置为 1。
位集上的操作使用布尔逻辑进行，根据该逻辑，输出值要么有效，要么无效，分别用 1 和 0 表示。例如，逻辑运算符 AND 可用于比较两个位集中相同索引位置的项目，并生成具有结果的新位集。如果两个位置上的项目相同，则在新位集中将写入 1；如果它们不同，则写入 0。
实现
位集是一个简单而强大的机制，有助于 Milvus 执行属性过滤、数据删除和带有时间旅行的查询。
属性过滤
由于位集仅包含两个可能值，因此非常适合存储属性过滤的结果。满足给定属性过滤器要求的数据将标记为 1。
数据删除
位集可作为一种紧凑的方式来存储有关段中行是否已删除的信息。已删除的实体在相应的位集中标记为 1，在搜索或查询过程中不会被计算。
示例
这里我们提供三个示例，展示位集在 Milvus 中的使用方式，并参考上述讨论的三种主要位集实现。在所有三种情况 下，都有一个包含 8 个实体的段，然后按照以下顺序进行一系列数据操作语言（DML）事件。
- 当时间戳
ts等于 100 时，插入了四个primary_key分别为 [1, 2, 3, 4] 的实体。 - 当时间戳
ts等于 200 时，插入了另外四个primary_key分别为 [5, 6, 7, 8] 的实体。 - 当时间戳
ts等于 300 时，删除了primary_key为 [7, 8] 的实体。 - 只有
primary_key为 [1, 3, 5, 7] 的实体满足属性过滤条件。
案例一
在这种情况下，用户将 time_travel 设置为 150，这意味着用户对满足 ts = 150 的数据进行查询。位集生成过程如图 1 所示。
在初始过滤阶段，filter_bitset 应为 [1, 0, 1, 0, 1, 0, 1, 0]，其中实体 [1, 3, 5, 7] 被标记为 1，因为它们是有效的过滤结果。
然而，当 ts 等于 150 时，实体 [4, 5, 6, 7] 没有被插入到向量数据库中。因此，这四个实体无论过滤条件如何，都应标记为 0。现在位集的结果应为 [1, 0, 1, 0, 0, 0, 0, 0]。
如 数据删除 中讨论的那样，被标记为 1 的实体在搜索或查询时会被忽略。现在位集的结果需要翻转，以便与删除位图结合，得到 [0, 1, 0, 1, 1, 1, 1, 1]。
至于删除位集 del_bitset，初始值应为 [0, 0, 0, 0, 0, 0, 1, 1]。然而，直到 ts 为 300 时，实体 7 和 8 才被删除。因此，当 ts 为 150 时，实体 7 和 8 仍然有效。因此，时光旅行后 del_bitset 的值为 [0, 0, 0, 0, 0, 0, 0, 0]。
现在我们在时光旅行和属性过滤后有两个位集：filter_bitset [0, 1, 0, 1, 1, 1, 1, 1] 和 del_bitset [0, 0, 0, 0, 0, 0, 0, 0]。将这两个位集与 OR 二进制逻辑运算符结合。结果位集的最终值为 [0, 1, 0, 1, 1, 1, 1, 1]，意味着只有实体 1 和 3 将在接下来的搜索或查询阶段中被计算。
案例二
在这种情况下，用户将 time_travel 设置为 250。位集生成过程如图 2 所示。
与案例一类似，初始的 filter_bitset 是 [1, 0, 1, 0, 1, 0, 1, 0]。
当 ts = 250 时，所有实体都在向量数据库中。因此，考虑时间戳时，filter_bitset 保持不变。再次需要翻转结果，得到 [0, 1, 0, 1, 0, 1, 0, 1]。
至于删除位集 del_bitset，初始值为 [0, 0, 0, 0, 0, 0, 1, 1]。然而，直到 ts 为 300 时，实体 7 和 8 才被删除。因此，当 ts 为 250 时，实体 7 和 8 仍然有效。因此，时光旅行后 del_bitset 为 [0, 0, 0, 0, 0, 0, 0, 0]。
现在我们在时光旅行和属性过滤后有两个位集：filter_bitset [0, 1, 0, 1, 0, 1, 0, 1] 和 del_bitset [0, 0, 0, 0, 0, 0, 0, 0]。将这两个位集与 OR 二进制逻辑运算符结合。结果位集为 [0, 1, 0, 1, 0, 1, 0, 1]。也就是说，只有实体 [1, 3, 5, 7] 将在接下来的搜索或查询阶段中被计算。
案例三
在这种情况下，用户将 time_travel 设置为 350。位集生成过程如图 3 所示。
与之前的案例一样，初始的 filter_bitset 是 [0, 1, 0, 1, 0, 1, 0, 1]。
当ts= 350 时，所有实体都在向量数据库中。因此，最终翻转后的filter_bitset为[0, 1, 0, 1, 0, 1, 0, 1]，与第二种情况相同。
至于删除位集del_bitset，由于在ts = 350时实体7和8已被删除，因此，del_bitset的结果为[0, 0, 0, 0, 0, 0, 1, 1]。
现在，在时间旅行和属性过滤后，我们有两个位集：filter_bitset [0, 1, 0, 1, 0, 1, 0, 1] 和 del_bitset [0, 0, 0, 0, 0, 0, 1, 1]。将这两个位集与OR二进制逻辑运算符结合起来。最终的result_bitset是[0, 1, 0, 1, 0, 1, 1, 1]。也就是说，只有实体[1, 3, 5]将在接下来的搜索或查询阶段中被计算。
接下来
现在您已经了解了Milvus中位集的工作原理，您可能还想：