自定义 Lance 格式数据集
在进行模型开发、训练、推理之前,一般需要准备好指定的数据集。自定义数据集支持将对象存储(BOS)中的 Lance 格式目录注册为数据集,提供数据集详情、版本列表、文件管理、数据详情、SQL 查询、转储任务等管理能力,支持图片、音频、视频等多模态二进制列的在线预览。
创建数据集
在自定义数据集页签下单击【创建数据集】。

| 字段 | 说明 |
|---|---|
| 名称 | 必填,数据集的名称。支持小写字母、数字以及 -,且开头必须是小写字母,结尾必须是小写字母或数字,长度 1~50 |
| 存储类型 | 必选,Lance 数据集选择对象存储BOS |
| 数据来源 | 必选,选择 Lance 数据集所在的 BOS 存储桶;桶不在列表中时可单击【手动输入】 |
| 导入格式 | 必选,Lance 数据集选择文件夹。文件夹导入的存储路径可被挂载在容器中,常用于训练、推理或开发机的数据卷 |
| 数据格式 | 必选,Lance 数据集选择 Lance。选择自定义则按通用文件数据集处理,不解析表结构 |
| 描述 | 选填,对数据集的描述信息,支持 0~1024 字符 |
| 所有者 | 必选,对数据集有管理权限(编辑、删除等),创建时可修改 |
| 使用权限 | 必选,有三种数据权限可选:公开可读、仅所有者可读写、指定范围可用。 |
| 版本 | 必选,系统自动生成,首个版本为 v1 |
| 版本描述 | 选填,对版本的描述,支持 0~1024 字符 |
| 路径 | 必选,数据集在存储中对应的路径,如 /lance-xxxx.lance |
| 默认挂载路径 | 必选,数据集挂载到负载上时的挂载路径,在挂载时可以修改 |
填写完成后单击【确定】进行提交。
编辑数据集
在数据集列表中找到目标数据集,在操作列选择编辑,进入【更新数据集】页面。

可编辑项:名称、描述、所有者、使用权限。
| 字段 | 说明 |
|---|---|
| 名称 | 可修改,命名规则同创建 |
| 存储类型 / 数据来源 / 导入格式 / 数据格式 | 创建后锁定,不可修改;如需指向新的存储路径,请重建数据集 |
| 描述 | 可修改,支持 0~1024 字符 |
| 所有者 | 可修改 |
| 使用权限 | 可修改 |
修改完成后单击【确定】生效。
删除数据集
在数据集列表中找到目标数据集,在操作列选择删除,按提示确认即可。

说明:删除数据集时会删除数据集下的所有版本信息,但存储中的数据不会被删除,BOS 路径下的 Lance 文件予以保留。如需彻底清理,请前往 BOS 控制台手动删除对应目录。
数据集详情
进入数据集后默认展示【数据集详情】页签,包含基本信息、权限配置、版本配置三部分。

| 分组 | 字段 | 说明 |
|---|---|---|
| 基本信息 | 名称 / ID | 数据集名称与系统分配的唯一 ID,API 调用时使用 ID |
| 基本信息 | 存储实例 | 数据集所在的 BOS 存储桶 |
| 基本信息 | 存储类型 | 对象存储BOS |
| 基本信息 | 导入格式 | 文件夹 |
| 基本信息 | 创建时间 / 更新时间 | 数据集的创建与最近更新时间 |
| 基本信息 | 描述 | 数据集描述,未填写显示 - |
| 权限配置 | 所有者 | 数据集所有者 |
| 权限配置 | 使用权限 | 公开可读 / 仅所有者可读写 / 指定范围可用 |
| 版本配置 | 版本 | 当前版本号,如 v1 |
| 版本配置 | 存储路径 | 版本对应的 BOS 路径 |
| 版本配置 | 默认挂载路径 | 挂载到负载时的默认路径 |
| 版本配置 | 描述 / Fileset | 版本描述与文件集信息,未填写显示 - |
版本列表
【版本列表】页签展示该数据集的全部版本,包含版本号、存储路径、默认挂载路径、创建时间,以及【导入数据】操作入口。

| 列 | 说明 |
|---|---|
| 版本号 | 版本标识,如 v1,单击可查看版本详情 |
| 存储路径 | 该版本对应的 BOS 路径 |
| 默认挂载路径 | 该版本挂载到负载时的默认路径 |
| 创建时间 | 版本创建时间 |
| 操作-导入数据 | 将其他数据集的数据导入 |
文件管理
【文件管理】页签以浏览器方式展示 BOS 路径内的文件与目录,支持按文件名搜索、分页浏览。

| 内容 | 说明 |
|---|---|
| 存储路径 | 当前浏览的 BOS 路径 |
_transactions/ |
Lance 写入事务记录目录 |
_versions/ |
Lance 版本清单目录,含 manifest 与最新版本指针文件 |
data/ |
Lance 数据文件目录(*.lance) |
README.md |
说明文档,单击可在线查看 |
| 名称 / 大小 / 修改时间 | 文件与目录的基本属性;目录的大小与修改时间显示为 - / -- |
数据详情
【数据详情】页签以表格形式展示 Lance 表内容,支持分页浏览、多模态列在线预览。

表格与分页
- 表头第一行为列名,第二行为该列的模态标注(
image/audio/video等)。 - 文本、数值列直接展示单元格内容。
- 右下角支持翻页与每页条数切换(如 10 条/页)。
各模态列的实际渲染行为
| 模态 | 列表页表现 |
|---|---|
image |
前端可直接展示;点击放大再取原图。缩略图生成失败时显示图片占位图标;图片源文件超过 32MB 时不返回缩略图 |
video |
内联首帧封面(字段与格式同图片)。视频源文件超过 32MB 时不生成首帧封面预览图 |
audio |
仅显示音频图标占位,不读取内容;点击播放 |
列模态与预览
二进制列能否预览,取决于该列是否带有模态标注。单击列头右侧的 ⋮ 菜单,选择【修改模态】,可将列标注为图像、音频、视频、文本,或【重置】恢复未标注状态。控制台修改模态会写回字段元数据,即时生效。
推荐在写入时即声明(见「写入规范」一节),注册后打开即预览,无需手动标注。
说明:若二进制列未声明模态且未手动标注,单元格显示为占位图标,这是未配置的表现,并非数据损坏。可随时通过【修改模态】补标,即时生效。
写入规范:模态元数据声明
建表 schema 时给每个字段写 metadata,平台在注册/扫描时自动识别模态。模态取值支持 image / audio / video / text 四种。
1import pyarrow as pa
2
3schema = pa.schema([
4 # 图片列:large_binary + blob 编码 + 模态声明
5 pa.field("image", pa.large_binary(), metadata={
6 "bos-dataset-field:modality": "image",
7 "bos-dataset-field:mimetype": "image/jpeg", # RFC 类型,照实填写
8 "bos-dataset-field:format": "jpg", # 封装格式,照实填写
9 "lance-encoding:blob": "true"}), # 大对象用 blob 编码
10 # 音频列
11 pa.field("audio", pa.large_binary(), metadata={
12 "bos-dataset-field:modality": "audio",
13 "bos-dataset-field:mimetype": "audio/wav",
14 "bos-dataset-field:format": "wav",
15 "lance-encoding:blob": "true"}),
16 # 视频列
17 pa.field("video", pa.large_binary(), metadata={
18 "bos-dataset-field:modality": "video",
19 "bos-dataset-field:mimetype": "video/mp4",
20 "bos-dataset-field:format": "mp4",
21 "lance-encoding:blob": "true"}),
22 # 文本列
23 pa.field("caption", pa.string(),
24 metadata={"bos-dataset-field:modality": "text"}),
25 # 普通元数据列可不声明;未知键会被忽略,不影响读写
26 pa.field("label", pa.string()),
27])
28
29table = pa.Table.from_pylist([...], schema=schema) # 数据按 schema 顺序放进
30lance.write_dataset(table, uri, storage_options=so)
配置说明:
| 键 | 说明 |
|---|---|
bos-dataset-field:modality |
多媒体预览核心属性,支持 image / audio / video / text;仅 BINARY(及 large_binary)类型字段配置预览有效。用 bos- 前缀 |
bos-dataset-field:mimetype |
RFC media type(如 image/jpeg);未声明 modality 时可由它推导 |
bos-dataset-field:format |
媒体封装格式,照实填写,如 jpg、wav、mp3、mp4 |
lance-encoding:blob |
值为 true 时大对象采用 blob 编码存储,大小可零成本获取且支持按需随机读 |
SQL 查询
【SQL 查询】页签提供在线 SQL 编辑器,可直接对数据集执行只读查询,用于数据探查与抽样验证。

- 在编辑器中编写 SQL,表名固定为
dataset,编辑器默认填入示例:
1SELECT * FROM dataset LIMIT 10;
- 常用查询示例:
1-- 按标签统计行数
2SELECT label, COUNT(*) AS cnt FROM dataset GROUP BY label;
3-- 查看训练/测试切分比例
4SELECT split, COUNT(*) AS cnt FROM dataset GROUP BY split;
- 单击【执行查询】运行,下方展示查询结果。
说明:SQL 查询仅支持只读单表(
SELECT),表名必须是固定关键字dataset,写成其它表名、多语句、JOIN 或写操作会被拒绝;二进制列在结果中以占位形式展示,如需查看媒体内容请使用【数据详情】预览。
常见问题
Q1:二进制列显示为占位图标,是数据损坏吗?
不是。这是模态未配置的表现,并非数据损坏。通过列头 ⋮ 菜单【修改模态】补标(图像/音频/视频),即时生效;或在写入时按「写入规范」声明元数据,注册后自动预览。
Q2:SQL 查询报错表不存在?
SQL 中的表名必须是固定关键字 dataset,代表当前数据集。
评价此篇文章
