Milvus

類型：向量數(shù)據(jù)庫

簡介：存儲、索引和管理由深度神經(jīng)網(wǎng)絡(luò)和機器學(xué)習(xí)（ML）模型生成的大規(guī)模嵌入向量。

百科詞條 訪問網(wǎng)站

Milvus是一個高性能、可擴展的向量數(shù)據(jù)庫，支持各種規(guī)模的用例，從在Jupyter Notebooks中本地運行的演示到處理數(shù)百億向量的大規(guī)模Kubernetes集群。目前，Milvus提供三種部署選項：Milvus Lite、Milvus Standalone和Milvus Distributed。

一、Milvus Lite

Milvus Lite是一個Python庫，可以導(dǎo)入到你的應(yīng)用程序中。作為Milvus的輕量級版本，它非常適合在 Jupyter Notebooks中快速原型設(shè)計，或者在資源有限的智能設(shè)備上運行。Milvus Lite支持的API與其他Milvus部署相同。與Milvus Lite交互的客戶端代碼也可以與其他部署模式下的Milvus實例一起工作。

要將Milvus Lite集成到應(yīng)用程序中，請運行以安裝它，并使用語句實例化一個包含所有數(shù)據(jù)的本地文件。

!pip install pymilvus
from milvus import MilvusClient
milvus_client = MilvusClient("./demo.db")

二、Milvus Standalone

Milvus Standalone是一個單機服務(wù)器部署。Milvus Standalone的所有組件都打包在一個Docker鏡像中，方便部署。如果你有生產(chǎn)工作負(fù)載，但不喜歡使用Kubernetes，那么在內(nèi)存充足的單機上運行Milvus Standalone是個不錯的選擇。此外，Milvus Standalone通過主從復(fù)制支持高可用性。

三、Milvus Distributed

Milvus Distributed可以部署在Kubernetes集群上。此部署采用云原生架構(gòu)，其中引入負(fù)載和搜索查詢由隔離節(jié)點單獨處理，從而為關(guān)鍵組件提供冗余。它提供了最高的可擴展性和可用性，以及自定義每個組件中分配的資源的靈活性。Milvus Distributed是企業(yè)用戶在生產(chǎn)環(huán)境中運行大規(guī)模向量搜索系統(tǒng)的首選。

四、如何選擇Milvus版本

1、小規(guī)模生產(chǎn)

對于前期生產(chǎn)來說，當(dāng)項目仍在尋求產(chǎn)品與市場的契合度，敏捷性比可擴展性更重要時，MilvusStandalone是最好的選擇。如果有足夠的機器資源，它仍然可以擴展到100M向量，同時與維護K8s集群相比，它需要的DevOps要少得多。

2、大規(guī)模生產(chǎn)

隨著業(yè)務(wù)快速增長，數(shù)據(jù)規(guī)模超過單臺服務(wù)器的容量，是時候考慮使用Milvus Distributed了。為了方便起見，可以繼續(xù)使用Milvus Standalone進行開發(fā)或暫存環(huán)境，并操作運行Milvus Distributed的 K8s 集群。這使能夠處理數(shù)百億個向量，并為特定工作負(fù)載定制節(jié)點大小提供了靈活性，例如高讀取、不頻繁寫入或高寫入、低讀取情況。

3、邊緣設(shè)備上的本地搜索

對于邊緣設(shè)備上的私有或敏感搜索，可以在設(shè)備上部署Milvus Lite，而無需依賴基于云的服務(wù)進行文本或圖像搜索。這適用于專有文檔搜索或設(shè)備上對象檢測等情況。

Milvus部署模式的選擇取決于項目階段和規(guī)模。Milvus為各種需求提供了靈活而強大的解決方案，從快速原型設(shè)計到大規(guī)模企業(yè)部署。

• Milvus Lite：推薦用于較小的數(shù)據(jù)集，最多幾百萬個向量；
• Milvus Standalone：適用于中等規(guī)模的數(shù)據(jù)集，可擴展至 1 億向量；
• Milvus Distributed：專為大規(guī)模部署而設(shè)計，能夠處理 1 億到數(shù)百億向量的數(shù)據(jù)集。

五、功能比較