una cometa
milus-2.4.14
Milvus es una base de datos vectorial de código abierto creada para impulsar la integración de aplicaciones de inteligencia artificial y búsqueda de similitudes. Milvus hace que la búsqueda de datos no estructurados sea más accesible y proporciona una experiencia de usuario consistente independientemente del entorno de implementación.
Milvus 2.0 es una base de datos vectorial nativa de la nube con almacenamiento y computación separados por diseño. Todos los componentes de esta versión refactorizada de Milvus no tienen estado para mejorar la elasticidad y la flexibilidad. Para obtener más detalles sobre la arquitectura, consulte Descripción general de la arquitectura de Milvus.
Milvus se lanzó bajo la licencia Apache 2.0 de código abierto en octubre de 2019. Actualmente es un proyecto de posgrado de LF AI & Data Foundation.
API enriquecidas diseñadas para flujos de trabajo de ciencia de datos.
Experiencia de usuario coherente en portátiles, clústeres locales y en la nube.
Integre búsquedas y análisis en tiempo real en prácticamente cualquier aplicación.
Esta característica es particularmente útil en escenarios de búsqueda integral, como identificar a la persona más similar en una biblioteca de vectores en función de varios atributos como imágenes, voz, huellas dactilares, etc. Para obtener más detalles, consulte Búsqueda híbrida para obtener más información.
Zilliz Cloud es un servicio totalmente administrado en la nube y la forma más sencilla de implementar LF AI Milvus®. Consulte Zilliz Cloud y comience su prueba gratuita.
Guía de inicio rápido independiente
Guía de inicio rápido del clúster
Implementación avanzada
Comprueba primero los requisitos.
Sistemas Linux (se recomienda Ubuntu 20.04 o posterior):
ir: >= 1.21 cmake: >= 3.26.4 CCG: 9,5 Python: > 3.8 y <= 3.11
Sistemas MacOS con x86_64 (se recomienda Big Sur 11.5 o posterior):
ir: >= 1.21 cmake: >= 3.26.4 llvm: >= 15 Python: > 3.8 y <= 3.11
Sistemas MacOS con Apple Silicon (se recomienda Monterey 12.0.1 o posterior):
ir: >= 1,21 (Arco=ARM64) cmake: >= 3.26.4 llvm: >= 15 Python: > 3.8 y <= 3.11
Clonar el repositorio de Milvus y compilar.
# Clonar repositorio de github.$ git clone https://github.com/milvus-io/milvus.git# Instalar dependencias de terceros.$ cd milvus/ $ ./scripts/install_deps.sh# Compile Milvus.$ hacer
Para conocer la historia completa, consulte la documentación del desarrollador.
IMPORTANTE La rama master es para el desarrollo de Milvus v2.0. El 9 de marzo de 2021, lanzamos Milvus v1.0, la primera versión estable de Milvus con soporte a largo plazo. Para usar Milvus v1.0, cambie a la rama 1.0.
Consulte Milvus 2.0 frente a 1.x para obtener más información.
 |  |  |
| Búsqueda de imágenes | Chatbots | Búsqueda de estructura química |
|---|
Imágenes disponibles para búsqueda. Devuelve instantáneamente las imágenes más similares desde una base de datos masiva.
Servicio de atención al cliente digital interactivo que ahorra tiempo a los usuarios y dinero a las empresas.
Búsqueda de similitudes, búsqueda de subestructuras o búsqueda de superestructuras increíblemente rápida para una molécula específica.
El bootcamp de Milvus está diseñado para exponer a los usuarios tanto la simplicidad como la profundidad de la base de datos vectorial. Descubra cómo ejecutar pruebas comparativas y crear aplicaciones de búsqueda de similitudes que abarquen chatbots, sistemas de recomendación, búsqueda inversa de imágenes, búsqueda molecular y mucho más.
Las contribuciones a Milvus son bienvenidas por parte de todos. Consulte Pautas para contribuir para obtener detalles sobre el envío de parches y el flujo de trabajo de contribución. Consulte nuestro repositorio comunitario para conocer nuestra gobernanza y acceder a más recursos comunitarios.
Para obtener orientación sobre instalación, desarrollo, implementación y administración, consulte Milvus Docs. Para conocer los hitos técnicos y las propuestas de mejora, consulte milvus confluence
El SDK implementado y su documentación API se enumeran a continuación:
SDK de PyMilvus
SDK de Java
Ir al SDK
Cpp SDK (en desarrollo)
SDK de nodo
Rust SDK (en desarrollo)
CSharp SDK (en desarrollo)
Attu proporciona una GUI intuitiva y eficiente para Milvus.
Inicio rápido
Únase a la comunidad Milvus en Discord para compartir sus sugerencias, consejos y preguntas con nuestro equipo de ingeniería.
También puede consultar nuestra página de preguntas frecuentes para descubrir soluciones o respuestas a sus problemas o preguntas.
Suscríbase a las listas de correo de Milvus:
Comité Directivo Técnico
Discusiones técnicas
Anuncio
Siga a Milvus en las redes sociales:
Medio
incógnita
YouTube
Referencia a citar cuando utilice Milvus en un trabajo de investigación:
@inproceedings{2021milvus,
title={Milvus: A Purpose-Built Vector Data Management System},
author={Wang, Jianguo and Yi, Xiaomeng and Guo, Rentong and Jin, Hai and Xu, Peng and Li, Shengjun and Wang, Xiangyu and Guo, Xiangzhou and Li, Chengming and Xu, Xiaohai and others},
booktitle={Proceedings of the 2021 International Conference on Management of Data},
pages={2614--2627},
year={2021}
}
@article{2022manu,
title={Manu: a cloud native vector database management system},
author={Guo, Rentong and Luan, Xiaofan and Xiang, Long and Yan, Xiao and Yi, Xiaomeng and Luo, Jigao and Cheng, Qianya and Xu, Weizhi and Luo, Jiarui and Liu, Frank and others},
journal={Proceedings of the VLDB Endowment},
volume={15},
number={12},
pages={3548--3561},
year={2022},
publisher={VLDB Endowment}
}Milvus adopta dependencias de lo siguiente:
Gracias a FAISS por la excelente biblioteca de búsqueda.
Gracias a etcd por proporcionar excelentes herramientas de almacenamiento clave-valor de código abierto.
Gracias a Pulsar por su maravilloso sistema distribuido de mensajería pub-sub.
Gracias a Tantivy por su biblioteca de motor de búsqueda de texto completo escrita en Rust.
Gracias a RocksDB por los potentes motores de almacenamiento.
Milvus es adoptado por el siguiente proyecto de código abierto:
Towhee, un marco flexible y orientado a aplicaciones para calcular vectores de incrustación sobre datos no estructurados.
Haystack, un marco de PNL de código abierto que aprovecha los modelos Transformer
Langchain Creación de aplicaciones con LLM a través de la componibilidad
LLamaIndex un marco de datos para sus aplicaciones LLM
GPTCache una biblioteca para crear caché semántica para almacenar respuestas de consultas LLM.
