sebuah layang-layang
milus-2.4.14
Milvus adalah database vektor sumber terbuka yang dibangun untuk mendukung penyematan pencarian kesamaan dan aplikasi AI. Milvus membuat pencarian data tidak terstruktur lebih mudah diakses, dan memberikan pengalaman pengguna yang konsisten terlepas dari lingkungan penerapannya.
Milvus 2.0 adalah database vektor cloud-native dengan penyimpanan dan komputasi yang dipisahkan berdasarkan desain. Semua komponen dalam versi Milvus yang telah difaktorkan ulang ini tidak memiliki kewarganegaraan untuk meningkatkan elastisitas dan fleksibilitas. Untuk detail arsitektur selengkapnya, lihat Ikhtisar Arsitektur Milvus.
Milvus dirilis di bawah Lisensi Apache 2.0 sumber terbuka pada Oktober 2019. Saat ini merupakan proyek pascasarjana di bawah LF AI & Data Foundation.
API kaya yang dirancang untuk alur kerja ilmu data.
Pengalaman pengguna yang konsisten di seluruh laptop, cluster lokal, dan cloud.
Sematkan pencarian dan analisis real-time ke dalam hampir semua aplikasi.
Fitur ini sangat berguna dalam skenario pencarian komprehensif, seperti mengidentifikasi orang yang paling mirip di perpustakaan vektor berdasarkan berbagai atribut seperti gambar, suara, sidik jari, dll. Untuk detailnya, lihat Pencarian Hibrid untuk informasi lebih lanjut.
Zilliz Cloud adalah layanan yang terkelola sepenuhnya di cloud dan cara paling sederhana untuk menerapkan LF AI Milvus®, Lihat Zilliz Cloud dan mulai uji coba gratis Anda.
Panduan Memulai Cepat Mandiri
Panduan Memulai Cepat Klaster
Penerapan Tingkat Lanjut
Periksa persyaratannya terlebih dahulu.
Sistem Linux (direkomendasikan Ubuntu 20.04 atau lebih baru):
pergi: >= 1.21 pembuatan: >= 3.26.4 gcc: 9.5 python: > 3.8 dan <= 3.11
Sistem MacOS dengan x86_64 (disarankan Big Sur 11.5 atau lebih baru):
pergi: >= 1.21 pembuatan: >= 3.26.4 llvm: >= 15 python: > 3.8 dan <= 3.11
Sistem MacOS dengan Apple Silicon (direkomendasikan Monterey 12.0.1 atau lebih baru):
buka: >= 1,21 (Lengkungan=ARM64) pembuatan: >= 3.26.4 llvm: >= 15 python: > 3.8 dan <= 3.11
Kloning repo Milvus dan buat.
# Klon repositori github.$ git clone https://github.com/milvus-io/milvus.git# Instal dependensi pihak ketiga.$ cd milvus/ $ ./scripts/install_deps.sh# Kompilasi Milvus.$ buat
Untuk cerita selengkapnya, lihat dokumentasi pengembang.
PENTING Cabang master adalah untuk pengembangan Milvus v2.0. Pada tanggal 9 Maret 2021, kami merilis Milvus v1.0, versi stabil pertama Milvus dengan dukungan jangka panjang. Untuk menggunakan Milvus v1.0, beralih ke cabang 1.0.
Lihat Milvus 2.0 vs. 1.x untuk informasi lebih lanjut.
 |  |  |
| Pencarian gambar | bot obrolan | Pencarian struktur kimia |
|---|
Gambar dapat dicari. Kembalikan gambar yang paling mirip secara instan dari database besar.
Layanan pelanggan digital interaktif yang menghemat waktu pengguna dan uang bisnis.
Pencarian kesamaan, pencarian substruktur, atau pencarian superstruktur yang sangat cepat untuk molekul tertentu.
Bootcamp Milvus dirancang untuk memaparkan pengguna pada kesederhanaan dan kedalaman database vektor. Temukan cara menjalankan pengujian benchmark serta membangun aplikasi pencarian kesamaan yang mencakup chatbot, sistem rekomendasi, pencarian gambar terbalik, pencarian molekuler, dan banyak lagi.
Kontribusi ke Milvus diterima dari semua orang. Lihat Pedoman Berkontribusi untuk detail tentang pengiriman patch dan alur kerja kontribusi. Lihat repositori komunitas kami untuk mempelajari tata kelola kami dan mengakses lebih banyak sumber daya komunitas.
Untuk panduan tentang instalasi, pengembangan, penerapan, dan administrasi, lihat Milvus Docs. Untuk pencapaian teknis dan proposal peningkatan, lihat pertemuan milvus
SDK yang diterapkan dan dokumentasi API-nya tercantum di bawah ini:
SDK PyMilvus
SDK Jawa
Buka SDK
Cpp SDK (sedang dikembangkan)
SDK Node
Rust SDK (sedang dikembangkan)
CSharp SDK (sedang dikembangkan)
Attu menyediakan GUI yang intuitif dan efisien untuk Milvus.
Mulai cepat
Bergabunglah dengan komunitas Milvus di Discord untuk berbagi saran, saran, dan pertanyaan Anda dengan tim teknik kami.
Anda juga dapat memeriksa halaman FAQ kami untuk menemukan solusi atau jawaban atas masalah atau pertanyaan Anda.
Berlangganan ke milis Milvus:
Komite Pengarah Teknis
Diskusi Teknis
Pengumuman
Ikuti Milvus di media sosial:
Sedang
X
Youtube
Referensi untuk dikutip ketika Anda menggunakan Milvus dalam makalah penelitian:
@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 mengadopsi ketergantungan dari berikut ini:
Terima kasih kepada FAISS untuk perpustakaan pencarian yang luar biasa.
Terima kasih kepada etcd karena telah menyediakan alat penyimpanan nilai kunci sumber terbuka yang hebat.
Terima kasih kepada Pulsar atas sistem perpesanan pub-sub terdistribusi yang luar biasa.
Terima kasih kepada Tantivy untuk perpustakaan mesin pencari teks lengkapnya yang ditulis dalam Rust.
Terima kasih kepada RocksDB untuk mesin penyimpanannya yang kuat.
Milvus diadopsi dengan mengikuti proyek sumber terbuka:
Towhee kerangka kerja yang fleksibel dan berorientasi aplikasi untuk menghitung penyematan vektor pada data tidak terstruktur.
Haystack merupakan kerangka kerja NLP sumber terbuka yang memanfaatkan model Transformer
Langchain Membangun aplikasi dengan LLM melalui komposisi
LLamaIndex kerangka data untuk aplikasi LLM Anda
GPTCache perpustakaan untuk membuat cache semantik untuk menyimpan respons dari kueri LLM.
