Bitset
本主题介绍 Bitset 机制，它有助于在 Milvus 中实现属性过滤和 删除操作 等关键功能。
概述
Bitset 是一组比特。比特是只有两种可能值的元素，最典型的是 0 和 1，或布尔值 true 和 false。在 Milvus 中，Bitset 是由比特数 0 和 1 组成的数组，与 ints、浮点数或字符相比，它可以用来紧凑、高效地表示某些数据。比特数默认为 0，只有在满足特定要求时才会被设置为 1。
对位集的操作采用 布尔逻辑，在 布尔逻辑 下，输出值要么有效要么无效，也分别用 1 和 0 表示。例如，逻辑运算符 AND 可用于根据相同索引位置的项对两个 Bitset 进行比较，并根据结果生成一个新的 Bitset。如果某个位置上的两个项目相同，那么在新的 Bitset 中，1 将被写入该位置；如果两个项目不同，0。
实现
Bitset 是一种简单而强大的机制，可帮助 Milvus 执行属性过滤、数据删除和使用时空旅行进行查询。
属性过滤
由于 Bitset 只包含两个可能的值，因此非常适合用来存储 属性筛选 的结果。符合给定属性筛选要求的数据会以 1 标记。
数据删除
Bitset 是存储段中某一行是否被删除的信息的简洁方式。删除的实体会在相应的 Bitset 中标记为 1，在搜索或查询时 不会计算。
示例
下面我们将举出三个例子来说明 Bitset 在 Milvus 中的应用，并参考上文讨论的 Bitset 的所有三种主要实现。在所有三个示例中，都有一个包含 8 个实体的段，然后按照下图所示的顺序发生一系列数据操作语言（DML）事件。
- 其中四个实体（其
primary_keys 分别为 [1、2、3、4]）在时间戳ts等于 100 时插入。 - 其余四个实体（其
primary_keys 分别为 [5、6、7、8]）在时间戳ts等于 200 时插入。 - 当时间戳
ts等于 300 时，删除primary_keys 为 [7, 8] 的实体。 - 只有
primary_keys 为 [1, 3, 5, 7] 的实体才满足属性筛选条件。
情况一
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。Bitset 生成过程如图 1 所示。
在初始过滤阶段，filter_bitset 应该是 [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。
但是，当 ts 等于 150 时，实体 [4, 5, 6, 7] 没有插入向量数据库。因此，无论过滤条件如何，这四个实体都应标记为 0。现在 Bitset 的结果应该是 [1, 0, 1, 0, 0, 0, 0, 0]。
正如在 数据删除 中所述，在搜索或查询过程中，标记为 1 的实体将被忽略。现在需要将 Bitset 结果翻转，以便与删除比特图结合，从而得到 [0, 1, 0, 1, 1, 1, 1, 1]。
至于删除位集 del_bitset，初始值应该是 [0, 0, 0, 0, 0, 0, 1, 1]。但是，实体 7 和实体 8 在 ts 为 300 时才会删除。因此，当 ts 为 150 时，实体 7 和 8 仍然有效。因此，"时间旅行 "后的 del_bitset 值为 [0, 0, 0, 0, 0, 0, 0, 0]。
现在，经过时间旅行和属性过滤后，我们有两个 Bitset：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 Bitset 与 OR 二进制逻辑运算符相结合。result_bitset 的最终值是 [0, 1, 0, 1, 1, 1, 1, 1]，这意味着在接下来的搜索或查询阶段，将只计算实体 1 和 3。
案例二
在这种情况下，用户将 time_travel 设置为 250。Bitset 生成过程如图 2 所示。
与情况一一样，初始 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，当我们考虑时间戳因素时，filter_bitset 保持不变。同样，我们需要翻转结果，得到 [0, 1, 0, 1, 0, 1, 0, 1]。
至于删除 Bitset del_bitset，初始值是 [0, 0, 0, 0, 0, 0, 1, 1]。但是，实体 7 和实体 8 在 ts 为 300 时才被删除。因此，当 ts 为 250 时，实体 7 和 8 仍然有效。因此，"时间旅行 "后的 del_bitset 是 [0, 0, 0, 0, 0, 0, 0, 0]。
现在，经过时间旅行和属性过滤后，我们有两个 Bitset：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 Bitset 与 OR 二进制逻辑运算符相结合。结果_Bitset 是 [0, 1, 0, 1, 0, 1, 0, 1]。也就是说，在接下来的搜索或查询阶段，将只计算实体 [1, 3, 5, 7]。
情况三
在这种情况下，用户将 time_travel 设置为 350。Bitset 生成过程如图 3 所示。
与前面的情况一样，初始 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 是 [0, 1, 0, 1, 0, 1, 0, 1]，与案例二相同。
至于删除 Bitset del_bitset，由于 ts = 350 时已经删除了实体 7 和 8，因此 del_bitset 的结果是 [0, 0, 0, 0, 0, 0, 1, 1]。
现在，经过时间旅行和属性过滤后，我们有两个 Bitset：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 Bitset 与 OR 二进制逻辑运算符相结合。最终的 result_bitset 是 [0, 1, 0, 1, 0, 1, 1, 1]。也就是说，在接下来的搜索或查询阶段，将只计算实体 [1, 3, 5]。
下一步
既然知道了 Bitset 在 Milvus 中的工作原理，你可能还想