milvus2.6.0中PHRASE_MATCH在过滤表达式中使用的问题

[ztyf-lq]

环境

• Milvus version:2.6.0
• Deployment mode(standalone or cluster): standalone
• SDK version(e.g. pymilvus v2.0.0rc2): pymilvus 2.6.0b0
• OS(Ubuntu or CentOS): Ubuntu
• CPU/Memory: 64G
• GPU: 16
• Others:

问题描述

使用过滤表达式：id ==2286605 and PHRASE_MATCH(text, '吊灯', 10)

数据出不来，但是id为2286605的数据的text字段包含吊灯这个关键字

id ==2286605

PHRASE_MATCH(text, '吊灯', 10)

id ==2286605 and PHRASE_MATCH(text, '吊灯', 10)

[yhmo]

https://milvus.io/docs/phrase-match.md#Enable-phrase-match

建表时的脚本是怎么写的，用的analyzer_params是怎样写的，查询时的语句是怎样写的？

[ztyf-lq]

建表参数如下

analyzer_params = {
                "tokenizer": {
                    'type': "jieba",
                    "dict": dict_list
                }
            }
schema.add_field(field_name="text", datatype=DataType.VARCHAR, max_length=618, enable_analyzer=True,
                         analyzer_params=analyzer_params, enable_match=True)

其中dict_list是自定义词典，如下是部分词典内容：

具体查询代码如下：

    sql = f"PHRASE_MATCH(text, '{data['query']}', 10) and id in [{','.join(list(map(str, id_list)))}]"
    query_result = await self.mv_db.query(filter=sql, output_fields=['id'], limit=len(id_list))

[xiaofan-luan]

看这个查询，并不需要phrase match，match应该就可以。match能查出来了么？

另外包含这个数据的segment能提供我们debug么？或者有什么方式可以reproduce？

@zhagnlu @SpadeA-Tang please take a look into this

[xiaofan-luan]

BTW, 这是2.6.0吧，不是2.6-rc1

[ztyf-lq]

我的业务场景要求必须使用phrase match，但是我尝试了text match也是没有结果的。我这边暂时使用的是2.6-rc1,我使用的是standalone，好像此页面的教程不支持我直接升级：

https://milvus.io/docs/zh/upgrade_milvus_cluster-operator.md

[xiaofan-luan]

在2.6正式版本我们修复了一个主键有关的bug，您可以验证一下
现在却是没法升级，可以备份恢复或者重新导入数据。

[SpadeA-Tang]

可以麻烦提供下 commit hash 吗？@ztyf-lq

[ztyf-lq]

@SpadeA-Tang 您好，我不知道如何提取commit hash信息，如下是我使用docker inspect命令获取的信息:

[
    {
        "Id": "sha256:72c04f449087eb40b0bc023d95938d6a5f6299d72610a1ce9e454d6523997462",
        "RepoTags": [
            "milvusdb/milvus:v2.6.0-rc1"
        ],
        "RepoDigests": [
            "milvusdb/milvus@sha256:2f6d5600510b22c440ddcb54140ec90c1236555c63fab787aaeb5e42ba4f7f3d"
        ],
        "Parent": "",
        "Comment": "",
        "Created": "2025-06-13T15:03:32.497009524Z",
        "DockerVersion": "24.0.5",
        "Author": "",
        "Architecture": "amd64",
        "Os": "linux",
        "Size": 1957409659,
        "GraphDriver": {
            "Data": {
                "LowerDir": "/var/lib/docker/overlay2/33e78f993ae3ffd95fdbb52dd9542b878a66573ab80afb1d1c3660407adf73fc/diff:/var/lib/docker/overlay2/3ede897171a345cc5690bc81752a0682c43fcc5de18c1c41bad76b33d02cac6a/diff:/var/lib/docker/overlay2/975e205b886342b7a1a1614be6f3f6a2677e11d4e20e190d6b50b586fcdd4b14/diff:/var/lib/docker/overlay2/d0494899b02373e9d531fe5ffa45e3be9218457d31029956ff5754d8cbbac184/diff:/var/lib/docker/overlay2/a9e74ebad27567c232ce12f5938de95bbb786c84cd8e0396c4597e9e4aefe6b3/diff:/var/lib/docker/overlay2/0579c0c0664335a2e92b5bb66ffb5ec1cae534b11d7704a0c70ab7bbb5dac6cd/diff",
                "MergedDir": "/var/lib/docker/overlay2/b3d3bf3bb8336cb60e3fd11785ddcdb770d7136a01509630331f3090c93f6bbd/merged",
                "UpperDir": "/var/lib/docker/overlay2/b3d3bf3bb8336cb60e3fd11785ddcdb770d7136a01509630331f3090c93f6bbd/diff",
                "WorkDir": "/var/lib/docker/overlay2/b3d3bf3bb8336cb60e3fd11785ddcdb770d7136a01509630331f3090c93f6bbd/work"
            },
            "Name": "overlay2"
        },
        "RootFS": {
            "Type": "layers",
            "Layers": [
                "sha256:0b9c994b0484c0bc61f9de7c28a58745a504704254c5e8ed12349ebee3393a66",
                "sha256:2d481e7a57fc5f2903e5dbad378bc66bd1c5695d1d137894592b77c5e0b1820d",
                "sha256:42bd6e8390e3c1c418b1e2f805fc496b92e91dd7fa32f2d808c68e440d96548d",
                "sha256:89bebe348875d27820ccbc000d594b8b10ec7022f80fc966d2c2b889e3fd8000",
                "sha256:e43c09fe9f56f8f3740064a605a48fb097f58e01d743aa6f0b0d1e2898ad2b3b",
                "sha256:4b563f73780787ea29d7dc9d1fee4e20add94868586439f7171933347f1bec65",
                "sha256:192ffb42ecf1b225f0bdc51d4f133bd2dca72d353dbe98bed50b0a6bf73955fd"
            ]
        },
        "Metadata": {
            "LastTagTime": "0001-01-01T00:00:00Z"
        },
        "Config": {
            "Cmd": null,
            "Entrypoint": [
                "/tini",
                "--"
            ],
            "Env": [
                "PATH=/milvus/bin:/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin",
                "LD_LIBRARY_PATH=/milvus/lib::/usr/lib",
                "LD_PRELOAD=:/milvus/lib/libjemalloc.so",
                "MALLOC_CONF=background_thread:true"
            ],
            "Labels": {
                "org.opencontainers.image.ref.name": "ubuntu",
                "org.opencontainers.image.version": "22.04"
            },
            "OnBuild": null,
            "User": "",
            "Volumes": null,
            "WorkingDir": "/milvus/"
        }
    }
]

我想请问一下我升级到2.6.0是否可以解决问题呢，我目前正在尝试升级

@xiaofan-luan 我可以提供数据segment，甚至是完整数据，如下是我的建立collection的代码，您可以说需要哪些数据，我可以打包成json等格式提供：

    def create_schema(self):
        """
        创建当前collection的表结构
        """
        # self.init_cate_mapping()
        dict_list = self.get_custom_dict()
        schema = MilvusClient.create_schema(
            auto_id=False,
        )

        if 'analyzer_params' in self.config:
            analyzer_params = self.config['analyzer_params']
        else:
            analyzer_params = {
                "tokenizer": {
                    'type': "jieba",
                    "dict": dict_list
                }
            }

        bm25_text = Function(
            name="bm25_text",
            input_field_names=["text"],
            output_field_names=["text_sparse"],
            function_type=FunctionType.BM25,
        )
        bm25_tag = Function(
            name="bm25_tag",
            input_field_names=["tag"],
            output_field_names=["tag_sparse"],
            function_type=FunctionType.BM25,
        )

        # 主键
        schema.add_field(field_name="id", datatype=DataType.INT64, is_primary=True)
        # obs key
        schema.add_field(field_name="cover", datatype=DataType.VARCHAR, max_length=120)
        # 多模态向量
        schema.add_field(field_name="image_vector", datatype=DataType.FLOAT_VECTOR, dim=self.config['dim'])
        schema.add_field(field_name="text_vector", datatype=DataType.FLOAT_VECTOR, dim=self.config['dim'])
        schema.add_field(field_name="qwen3_vector", datatype=DataType.FLOAT16_VECTOR, dim=2560)
        # text字段是title+style+分类
        schema.add_field(field_name="text", datatype=DataType.VARCHAR, max_length=618, enable_analyzer=True,
                         analyzer_params=analyzer_params, enable_match=True)
        schema.add_field(field_name="tag", datatype=DataType.VARCHAR, max_length=320, enable_analyzer=True,
                         analyzer_params=analyzer_params, enable_match=True)
        schema.add_field(field_name="tag1", datatype=DataType.VARCHAR, max_length=320, enable_analyzer=True,
                         analyzer_params=analyzer_params, enable_match=True)
        # 添加时间
        schema.add_field(field_name="addtime", datatype=DataType.VARCHAR, max_length=24)
        # 文本BM25
        schema.add_field(field_name="text_sparse", datatype=DataType.SPARSE_FLOAT_VECTOR)
        schema.add_field(field_name="tag_sparse", datatype=DataType.SPARSE_FLOAT_VECTOR)
        schema.add_field(field_name="uid", datatype=DataType.INT32)
        schema.add_field(field_name="panoid", datatype=DataType.INT32)
        schema.add_field(field_name="masterid", datatype=DataType.INT32)
        schema.add_field(field_name="brandid", datatype=DataType.INT32)
        schema.add_field(field_name="is_cr", datatype=DataType.INT8)
        schema.add_field(field_name="category1", datatype=DataType.INT32)
        schema.add_field(field_name="category2", datatype=DataType.INT32)
        schema.add_field(field_name="category3", datatype=DataType.INT32)
        schema.add_field(field_name="newstyle", datatype=DataType.INT32)
        schema.add_field(field_name="isfree", datatype=DataType.BOOL)
        schema.add_field(field_name="isyear", datatype=DataType.BOOL)
        schema.add_field(field_name="danti", datatype=DataType.BOOL)
        schema.add_field(field_name="weight", datatype=DataType.FLOAT)
        schema.add_function(bm25_text)
        schema.add_function(bm25_tag)

        return schema

当然其中很多字段是我们业务需求，可能和当前问题没有任何联系

[SpadeA-Tang]

Milvus 启动时会打印 commit hash，比如 GitCommit: baa9a493fe
Anyway，你这个版本是 v2.6.0-rc1。 版本较老，你描述的 issue 已经在 2.6.0 中被修复了。升级应该就能解决。