返回一个支持各种下推操作的Scanner。

Parameters:

columns : list of str, or dict of str to str default None¶

要获取的列名列表。 或者列名到SQL表达式的字典。 如果为None或未指定，则获取所有列。

filter : pa.compute.Expression or str¶

表达式或字符串，必须是一个有效的SQL where子句。有关有效的SQL表达式，请参阅 Lance filter pushdown 。

limit : int, default None¶

最多获取这么多行。如果为None或未指定，则获取所有行。

offset : int, default None¶

从这一行开始获取。如果未指定则为0。

nearest : dict, default None¶

获取与K个最相似向量对应的行。示例：

{
    "column": <embedding col name>,
    "q": <query vector as pa.Float32Array>,
    "k": 10,
    "minimum_nprobes": 20,
    "maximum_nprobes": 50,
    "refine_factor": 1
}

batch_size : int, default None¶

返回批次的目标大小。在某些情况下，批次大小可能达到此值的两倍（但绝不会超过）。而在其他情况下，批次大小可能小于此值。

io_buffer_size : int, default None¶

IO缓冲区的大小。有关更多信息，请参阅ScannerBuilder.io_buffer_size。

batch_readahead : int, optional¶

预读取的批次数量。

fragment_readahead : int, optional¶

预读取的片段数量。

scan_in_order : bool, default True¶

是否按顺序读取片段和批次。如果为false，吞吐量可能会更高，但批次将无序返回，内存使用可能会增加。

fragments : iterable of LanceFragment, default None¶

如果指定，则仅扫描这些片段。如果scan_in_order为True，那么片段将按照给定的顺序进行扫描。

prefilter : bool, default False¶

如果为True，则在运行向量查询之前应用过滤器。 这将生成更准确的结果，但查询成本可能更高。 通常在过滤器具有高选择性时效果良好。

如果为False，则在运行向量查询之后应用过滤器。 这样性能会更好，但如果最接近查询的行不匹配过滤器， 结果可能会少于请求的行数（或为空）。 通常在过滤器选择性不高时效果良好。

use_scalar_index : bool, default True¶

Lance会自动使用标量索引来优化查询。在某些极端情况下，这可能会使查询性能变差，此时可以通过该参数禁用标量索引。

late_materialization : bool or List[str], default None¶

允许自定义控制延迟物化。延迟物化会在过滤操作后通过take操作获取非查询列，这在结果较少或列数据量非常大时非常有用。

当结果较多或列数据非常窄时，早期物化可能更优。

如果设为True，则所有列都采用延迟物化； 如果设为False，则所有列都采用早期物化； 如果是字符串列表，则只有列表中的列会延迟物化。

默认采用启发式算法，假设过滤器会筛选出约0.1%的行。如果您的过滤器选择性更强（例如按id查找），可能需要设为True；如果过滤器选择性较弱（例如匹配20%的行），可能需要设为False。

full_text_query : str or dict, optional¶

要搜索的查询字符串，结果将按BM25算法排序。 例如"hello world"会匹配包含"hello"或"world"的文档。 或者使用包含以下键的字典：

• columns: list[str]

  要搜索的列， 目前columns列表中仅支持单个列。

• query: str

  要搜索的查询字符串。

fast_search : bool, default False¶

如果为True，则搜索将仅在索引数据上执行，这样可以缩短搜索时间。

scan_stats_callback : Callable[[ScanStatistics], None], default None¶

一个回调函数，在扫描完成后将调用该函数并传入扫描统计信息。回调函数引发的错误将被记录但不会重新抛出。

include_deleted_rows : bool, default False¶

如果为True，则已被删除但仍存在于片段中的行将被返回。这些行的_rowid列将被设为null。所有其他列将反映磁盘上存储的值，可能不为null。

注意：如果是搜索操作或take操作（包括标量索引扫描），则无法返回已删除的行。

为了调试近似最近邻(ANN)结果，您可以选择即使存在索引也不使用它，只需指定use_index=False。例如，以下代码将始终返回精确的KNN结果：

dataset.to_table(nearest={
    "column": "vector",
    "k": 10,
    "q": <query vector>,
    "use_index": False
}