milvus集群2.4.6版本，插入数据很耗时，求助

[jhyever]

并发插入数据非常耗时 @yhmo 麻烦帮忙看下 谢谢
维度是1024，用的FLAT索引， 并发持续insert数据，想插入100万向量，跑了15小时了，才跑了七万向量

[yhmo]

别并发，单循环批量插入，每批几千条插入即可

for d in range(1000):
    row_count = 1000
    data = [
        [k for k in range(row_count)], # id
        [[random.random() for _ in range(1024)] for _ in range(row_count)], # vector
    ]
    collection.insert(data=data)

[jhyever]

我们是这样调用的，每个知识块篇章这样去insert，集群环境下 40路并发的，发现插入好慢

[yhmo]

你这里的慢要看慢在什么地方。你如果在调用milvusClient.insert()的前后两行计算耗时，也许只花费1秒。但是看你的耗时统计动不动就几百秒，我有理由怀疑你是把文章分块，文本转向量这些耗时一起统计进去了。我的意思是：主要的耗时并不是在MilvusClient.insert()

[jhyever]

这里没做其他操作了啊，这个方法就只是封装参数和insert呢，

[yhmo]

Java SDK有个example，也是100万条数据。你把这里的维度改为1024
https://github.com/milvus-io/milvus-sdk-java/blob/b381779c621d9f06ece0d6817f5b540f40f18f59/examples/main/java/io/milvus/v2/GeneralExample.java#L55

然后启动一个 standalone https://milvus.io/docs/install_standalone-docker-compose.md
也别用你的那个cluster，就用standalone跑，你会发现它几分钟就跑完了。

那么问题就出在你的集群上。剩下的就是简化问题，一步步排除。
怎么简化，先模仿那个example的做法，生成100万随机向量，每批10000条插入100次，看耗时是否和standalone相同。