un cerf-volant
milus-2.4.14
Milvus est une base de données vectorielles open source conçue pour alimenter l'intégration d'applications de recherche de similarité et d'IA. Milvus rend la recherche de données non structurées plus accessible et offre une expérience utilisateur cohérente quel que soit l'environnement de déploiement.
Milvus 2.0 est une base de données vectorielles cloud native avec stockage et calcul séparés par conception. Tous les composants de cette version refactorisée de Milvus sont apatrides pour améliorer l'élasticité et la flexibilité. Pour plus de détails sur l'architecture, voir Présentation de l'architecture Milvus.
Milvus a été publié sous la licence open source Apache 2.0 en octobre 2019. Il s'agit actuellement d'un projet d'études supérieures sous LF AI & Data Foundation.
API riches conçues pour les workflows de science des données.
Expérience utilisateur cohérente sur ordinateur portable, cluster local et cloud.
Intégrez la recherche et l’analyse en temps réel dans pratiquement n’importe quelle application.
Cette fonctionnalité est particulièrement utile dans les scénarios de recherche complets, tels que l'identification de la personne la plus similaire dans une bibliothèque vectorielle en fonction de divers attributs tels que des images, la voix, les empreintes digitales, etc. Pour plus de détails, reportez-vous à la recherche hybride pour en savoir plus.
Zilliz Cloud est un service entièrement géré sur le cloud et constitue le moyen le plus simple de déployer LF AI Milvus®. Consultez Zilliz Cloud et démarrez votre essai gratuit.
Guide de démarrage rapide autonome
Guide de démarrage rapide du cluster
Déploiement avancé
Vérifiez d'abord les exigences.
Systèmes Linux (Ubuntu 20.04 ou version ultérieure recommandée) :
aller : >= 1,21 cmake : >= 3.26.4 gcc : 9,5 python : > 3,8 et <= 3,11
Systèmes MacOS avec x86_64 (Big Sur 11.5 ou version ultérieure recommandée) :
aller : >= 1,21 cmake : >= 3.26.4 llvm : >= 15 python : > 3,8 et <= 3,11
Systèmes MacOS avec Apple Silicon (Monterey 12.0.1 ou version ultérieure recommandée) :
aller : >= 1,21 (Arch=ARM64) cmake : >= 3.26.4 llvm : >= 15 python : > 3,8 et <= 3,11
Clonez le dépôt Milvus et construisez-le.
# Cloner le référentiel github.$ git clone https://github.com/milvus-io/milvus.git# Installer les dépendances tierces.$ cd milvus/ $ ./scripts/install_deps.sh# Compile Milvus.$ make
Pour l'histoire complète, consultez la documentation du développeur.
IMPORTANT La branche master est destinée au développement de Milvus v2.0. Le 9 mars 2021, nous avons publié Milvus v1.0, la première version stable de Milvus avec un support à long terme. Pour utiliser Milvus v1.0, passez à la branche 1.0.
Voir Milvus 2.0 vs 1.x pour plus d'informations.
 |  |  |
| Recherche d'images | Chatbots | Recherche de structure chimique |
|---|
Images rendues consultables. Renvoyez instantanément les images les plus similaires à partir d’une base de données massive.
Service client numérique interactif qui permet aux utilisateurs de gagner du temps et de l'argent aux entreprises.
Recherche de similarité ultra rapide, recherche de sous-structure ou recherche de superstructure pour une molécule spécifiée.
Le bootcamp Milvus est conçu pour exposer les utilisateurs à la fois à la simplicité et à la profondeur de la base de données vectorielles. Découvrez comment exécuter des tests de référence et créer des applications de recherche de similarité couvrant les chatbots, les systèmes de recommandation, la recherche d'images inversées, la recherche moléculaire et bien plus encore.
Les contributions à Milvus sont les bienvenues de la part de tous. Voir Directives pour la contribution pour plus de détails sur la soumission de correctifs et le flux de travail de contribution. Consultez notre référentiel communautaire pour en savoir plus sur notre gouvernance et accéder à davantage de ressources communautaires.
Pour obtenir des conseils sur l'installation, le développement, le déploiement et l'administration, consultez Milvus Docs. Pour les étapes techniques et les propositions d'amélioration, consultez Milvus Confluence
Le SDK implémenté et sa documentation API sont répertoriés ci-dessous :
SDK PyMilvus
SDK Java
Aller au SDK
SDK Cpp (en cours de développement)
SDK de nœud
SDK Rust (en cours de développement)
CSharp SDK (en cours de développement)
Attu fournit une interface graphique intuitive et efficace pour Milvus.
Démarrage rapide
Rejoignez la communauté Milvus sur Discord pour partager vos suggestions, conseils et questions avec notre équipe d'ingénierie.
Vous pouvez également consulter notre page FAQ pour découvrir des solutions ou des réponses à vos problèmes ou questions.
Abonnez-vous aux listes de diffusion Milvus :
Comité directeur technique
Discussions techniques
Annonce
Suivez Milvus sur les réseaux sociaux :
Moyen
X
Youtube
Référence à citer lorsque vous utilisez Milvus dans un document de recherche :
@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 adopte les dépendances suivantes :
Merci à FAISS pour l'excellente bibliothèque de recherche.
Merci à etcd d'avoir fourni d'excellents outils de magasin de valeurs-clés open source.
Merci à Pulsar pour son merveilleux système de messagerie pub-sub distribué.
Merci à Tantivy pour sa bibliothèque de moteurs de recherche en texte intégral écrite en Rust.
Merci à RocksDB pour les puissants moteurs de stockage.
Milvus est adopté par le projet open source suivant :
Tohi, un framework flexible et orienté application pour le calcul de vecteurs d'intégration sur des données non structurées.
Haystack, un framework NLP open source qui exploite les modèles Transformer
Langchain Créer des applications avec des LLM grâce à la composabilité
LLamaIndex un framework de données pour vos applications LLM
GPTCache une bibliothèque pour créer un cache sémantique pour stocker les réponses des requêtes LLM.
