listVikingdbIndex--向量数据库VikingDB-火山引擎

文档中心

导航

listVikingdbIndex

最近更新时间：2025.11.03 12:22:35首次发布时间：2025.11.03 12:22:35

概述

listIndexes 用于查询和数据集 Collection 关联的索引 Index列表。

方法定义

public ListVikingdbIndexResponse listVikingdbIndex(ListVikingdbIndexRequest body) throws ApiException

请求参数

参数	类型	是否必填	描述
pageNumber	Integer	否	翻页页码。起始为1。
pageSize	Integer	否	翻页每页的大小。
filter	FilterForListVikingdbIndexInput	否	过滤条件，如下

FilterForListVikingdbIndexInput

参数	类型	描述
collectionName	List	数据集名称
indexNameKeyword	String	索引名
status	List	状态

返回参数

Java 调用执行上面的任务，返回 Index 实例列表。Index 实例包含的属性如下表所示。

参数	一级子参数	二级子参数	类型	描述
indexes			List	向量库索引详情列表
	collectionName		String	数据集名称
	projectName		String	项目名称
	resourceId		String	资源ID
	indexName		String	索引名称
	description		String	索引的自定义描述。
	vectorIndex		VectorIndexForListVikingdbIndexOutput	向量索引配置
		indexType	IndexTypeEnum 枚举	索引类型
		distance	DistanceEnum 枚举	距离类型，衡量向量之间距离的算法。取值如下： ip：全称是 Inner Product，内积，该算法基于向量的内积，即两个元素的对应元素相乘并求和的结果计算相似度，内积值越大相似度越高。 l2：欧几里得距离，它计算两个向量的欧几里得空间距离，欧式距离越小相似度越高。 cosine：余弦相似度（Cosine Similarity），也称为余弦距离（Cosine Distance），用于计算两个高维向量的夹角余弦值从而衡量向量相似度，夹角余弦值越小表示两向量的夹角越大，则两个向量差异越大。当 distance=cosine 时，默认对向量做归一化处理。当索引算法选择IVF时，距离类型可选ip、cosine。对于hnsw_hybrid索引算法，距离类型选择只对稠密向量生效，稀疏向量仅支持内积。
		quant	QuantEnum 枚举	量化方式。量化方式是索引中对向量的压缩方式，可以降低向量间相似性计算的复杂度。基于向量的高维度和大规模特点，采用向量量化可以有效减少向量的存储和计算成本。取值如下： int8：将4字节的 float 压缩为单个字节，以获取内存和计算延迟的收益，会造成微小的损失精度，比如 cosine 距离会出现大于1的分值。 float：全精度，未做压缩量化。 fix16：将4字节的 float 压缩为两个字节，以获取内存和计算延迟的收益，会造成微小的损失精度。通过损失一定的检索精度，提升检索性能，节约资源成本。 pq：将高维向量转换为低维码本向量，以减少内存占用并提高搜索效率。 int8适用于hnsw、hnsw_hybrid、flat索引算法，距离方式为ip、consine。 float适用于hnsw、hnsw_hybrid、flat、diskann索引算法，距离方式为ip、l2、consine。 fix16适用于hnsw、hnsw_hybrid、flat索引算法，距离方式为ip、l2、consine。 pq适用于diskann、ivf索引算法，距离方式为ip、l2、consine。
		hnswM	Integer	hnsw 索引参数，表示邻居节点个数。当 index_type 配置为 hnsw 和 hnsw_hybrid 时可选配置。
		hnswCef	Integer	hnsw 索引参数，表示构建图时搜索邻居节点的广度。当 index_type 配置为 hnsw 和 hnsw_hybrid 时可选配置。
		hnswSef	Integer	hnsw 索引参数，表示线上检索的搜索广度。当 index_type 配置为 hnsw 和 hnsw_hybrid 时可选配置。
		diskannM	Integer	diskann参数，标识邻居节点个数。当 index_type 配置为 diskann时可选配置。
		diskannCef	Integer	diskann参数，表示构建图时搜索邻居节点的广度。当 index_type 配置为 diskann时可选配置。
		pqCodeRatio	Float	diskann参数，向量维度编码的大小限制。值越大，召回率越高，但会增加内存使用量，范围 (0.0, 0.25]。当 index_type 配置为 diskann时可选配置。
		cacheRatio	Float	diskann参数，缓存节点数与原始数据的比率，较大的值会提高索引性能并增加内存使用量。范围 [0.0,0.3)。当 index_type 配置为 diskann时可选配置。
	scalarIndex		List	标量字段列表
	cpuQuota		Integer	索引检索消耗的 CPU 配额。
	shardPolicy		String	索引分片类型，auto为自动分片、custom为自定义分片。
	shardCount		Integer	索引分片数
	actualCU		Integer	实际CU用量
pageSize			Integer	请求时的PageSize值，如果请求时未指定，则为默认值。
pageNumber			Integer	请求时的PageNumber值，如果请求时未指定，则为默认值。
totalCount			Integer	查询结果的总数

示例

请求参数

package org.example.newsubproduct.console.index;

import com.volcengine.ApiClient;
import com.volcengine.ApiException;
import com.volcengine.sign.Credentials;
import com.volcengine.vikingdb.VikingdbApi;
import com.volcengine.vikingdb.model.*;

import java.util.Arrays;
import java.util.Collections;

public class ListVikingdbIndex {
    public static void main(String[] args) {
        String ak = System.getenv("AK"); // ak
        String sk = System.getenv("SK"); // sk
        String endpoint = "vikingdb.cn-beijing.volcengineapi.com"; // 填写向量库控制面v2的域名  https://www.volcengine.com/docs/84313/1792715
        String region = "cn-beijing"; // 服务区域

        ApiClient apiClient = new ApiClient()
                .setEndpoint(endpoint)
                .setCredentials(Credentials.getCredentials(ak, sk))
                .setRegion(region);

        VikingdbApi api = new VikingdbApi(apiClient);

        ListVikingdbIndexRequest request = new ListVikingdbIndexRequest()
                .filter(new FilterForListVikingdbIndexInput()
                        .collectionName(Arrays.asList("test_collection_for_sdk_with_vector", "test_collection_for_sdk_with_vectorize"))
                        .indexNameKeyword("idx")
                        .status(Collections.singletonList("ready"))
                );

        try {
            ListVikingdbIndexResponse response = api.listVikingdbIndex(request);
            System.out.println("response body: " + response);
            System.out.println();
            System.out.println("response meta RequestId: " + response.getResponseMetadata().getRequestId());
            System.out.println("response meta Service: " + response.getResponseMetadata().getService());
            System.out.println("response meta Region: " + response.getResponseMetadata().getRegion());
            System.out.println("response meta Action: " + response.getResponseMetadata().getAction());
            System.out.println("response meta Version: " + response.getResponseMetadata().getVersion());
        } catch (ApiException e) {
            System.out.println("exception http code: " + e.getCode());
            System.out.println("exception response body: " + e.getResponseBody());
            System.out.println();
            System.out.println("exception RequestId: " + e.getResponseMetadata().getRequestId());
            System.out.println("exception Action: " + e.getResponseMetadata().getAction());
            System.out.println("exception Region: " + e.getResponseMetadata().getRegion());
            System.out.println("exception Service: " + e.getResponseMetadata().getService());
            System.out.println("exception Error.Code: " + e.getResponseMetadata().getError().getCode());
            System.out.println("exception Error.Message: " + e.getResponseMetadata().getError().getMessage());
        }
    }
}