在机器学习与人工智能飞速发展的今天，向量数据库已成为支撑大规模相似性检索的核心基础设施。作为业界领先的开源向量数据库，Milvus凭借其高性能、易扩展的特性，被广泛应用于推荐系统、图像检索、自然语言处理等场景。然而，许多开发者在使用过程中面临一个常见痛点：如何在向量相似性搜索的同时，根据数组（ARRAY）字段中的具体值进行精细过滤？本文将深入解析这一技术挑战，并提供完整的解决方案。

一、ARRAY字段过滤的需求背景

在真实业务场景中，向量数据往往伴随着丰富的结构化元信息。例如，在电商平台的商品向量库中，每条商品记录可能包含“标签”（如[“运动鞋”，“折扣”]）、“库存尺寸”（如[39,40,41]）等数组字段。当用户搜索“与某张图片相似的鞋子”时，可能还希望限定标签包含“折扣”且尺寸为40的商品。这种“向量相似度+数组条件过滤”的混合查询，正是Milvus需要应对的典型需求。

过去，Milvus主要支持标量字段（如整数、字符串）的过滤，而数组字段的处理相对复杂。自Milvus 2.3版本起，官方在标量字段索引中引入了对JSON和数组类型的支持，使得开发者可以通过表达式直接过滤数组元素，无需将数组拆分为多条记录或借助外部系统。

二、核心技术解析：如何实现ARRAY字段过滤？

1. 使用ARRAY_CONTAINS与ARRAY_LENGTH等函数

Milvus在filter表达式中原生支持数组操作函数，最常用的是： - ARRAY_CONTAINS(array_field, value)：判断数组是否包含特定值。 - ARRAY_LENGTH(array_field)：获取数组长度，可用于“数组不为空”或“数组元素个数大于N”的条件。 - ARRAY_CONTAINS_ALL(array_field, [val1, val2])：检查数组是否包含所有指定值。 - ARRAY_CONTAINS_ANY(array_field, [val1, val2])：检查数组是否包含任一值。

例如，过滤标签包含“运动”且尺寸包含42的商品：

filter_expr = 'ARRAY_CONTAINS(tags, "运动") and ARRAY_CONTAINS(sizes, 42)'

2. 支持嵌套数组与条件组合

对于更复杂的场景，如数组内元素为对象（JSON对象），Milvus同样支持通过JSON_CONTAINS等函数进行深层过滤。此外，还可以与in、like、>等传统标量操作符自由组合，形成强大的查询逻辑。

3. 性能优化：索引是关键

过滤效率很大程度上取决于字段是否建立了索引。Milvus支持对数组字段创建倒排索引（Inverted Index），尤其适用于高频出现的标签类数据。创建索引后，系统能快速定位包含特定值的记录，避免全表扫描。建议对数组字段使用INVERTED索引类型（Milvus 2.3+），并在插入数据前根据数据分布合理设置params。

三、实战案例：用Python SDK实现过滤搜索

下面以Milvus PyMilvus客户端为例，演示一个完整的搜索流程。假设集合product包含向量字段embedding、字符串字段name以及数组字段tags。

from pymilvus import Collection, connections

connections.connect(host='localhost', port='19530')
collection = Collection("product")

# 执行向量搜索，并过滤标签包含"新品"或"热门"的商品
search_params = {"metric_type": "IP", "params": {"nprobe": 10}}
results = collection.search(
    data=[query_vector],
    anns_field="embedding",
    param=search_params,
    limit=10,
    expr='ARRAY_CONTAINS_ANY(tags, ["新品", "热门"])',
    output_fields=["name", "tags"]
)

for hit in results[0]:
    print(hit.id, hit.score, hit.entity.get('name'), hit.entity.get('tags'))

此查询会在计算向量相似度的同时，仅返回满足数组条件的命中结果，既保证了精度，又提高了搜索效率。

四、注意事项与最佳实践

  1. 数据一致性：数组字段的元素类型必须统一（如全为字符串或全为整数），混合类型可能导致过滤失效。
  2. 避免过长数组：单个数组中元素数量不宜过多（建议不超过数千），否则索引和搜索性能可能下降。
  3. 版本兼容性：ARRAY字段过滤功能从Milvus 2.3开始稳定支持，早期版本需升级或改用JSON字段代替。
  4. 与标量索引协同：若同时有多个标量字段（如价格、日期）参与过滤，建议为这些字段也创建对应索引（如B-tree、位图）。

五、行业展望

随着向量数据库与关系型数据融合的需求日益强烈，Milvus团队正在持续增强结构化数据过滤能力。ARRAY字段的完善支持，使得开发者能够更灵活地构建混合查询，减少了在应用层进行后过滤的复杂度和性能损耗。未来，我们有望看到更强大的数组聚合函数（如、ARRAY_UNIQUE）以及针对数组的排序功能，进一步释放向量搜索的潜力。

总之，掌握ARRAY字段过滤技巧，是高效运用Milvus处理多模态数据的关键一步。对于正在构建推荐、搜索或风控系统的团队而言，这无疑是一个值得关注的技术要点。