milvus 使用 l2 欧式距离计算向量的距离，计算出来的距离的最大值是多少？

Q：milvus 使用 l2 欧式距离计算向量的距离，计算出来的距离的最大值是多少？
A：归一化之后，最大值是4

Q:归一化的是怎么操作的？调用 collection.search 之后获得的向量，已经是归一化了吗？还是需要自己对 milvus 的搜索结果再做归一化？

A:需要自己的对向量做归一化

Q:有样例代码吗
A:可以用np.linalg.norm

Q:归一化是查询之前做，还是获取查询结果后，对距离做归一化？
A:查询之前做，查询的向量，和入底库的向量，都需要做归一化

---

import numpy as np
import milvus

# 连接 Milvus 服务器
client = milvus.Milvus(host='localhost', port='19530')

# 定义查询向量
query_vector = np.array([0.1, 0.2, 0.3, 0.4, 0.5], dtype=np.float32)

# 查询向量归一化
query_vector_norm = query_vector / np.linalg.norm(query_vector)

# 构建查询参数
search_param = {
    "metric_type": "L2",
    "params": {"nprobe": 16}
}

# 在 milvus 中查询向量
search_result = client.search(collection_name='my_collection', query_records=[query_vector_norm.tolist()], top_k=10, params=search_param)

# 处理查询结果
for result in search_result:
    print(result.id, result.distance)