一只风筝

Milvus 是什么？

Milvus 是一个开源矢量数据库，旨在为嵌入相似性搜索和人工智能应用程序提供支持。 Milvus 使非结构化数据搜索更容易访问，并且无论部署环境如何，都可以提供一致的用户体验。

Milvus 2.0 是一个存储和计算分离的云原生矢量数据库。这个重构版本的 Milvus 中的所有组件都是无状态的，以增强弹性和灵活性。更多架构细节请参见 Milvus 架构概述。

Milvus 于 2019 年 10 月在开源 Apache License 2.0 下发布。目前是 LF AI & Data Foundation 下的研究生项目。

主要特点

万亿矢量数据集的毫秒级搜索

在万亿矢量数据集上以毫秒为单位测量的平均延迟。

简化的非结构化数据管理

• 专为数据科学工作流程设计的丰富 API。

• 跨笔记本电脑、本地集群和云的一致用户体验。

• 将实时搜索和分析嵌入到几乎任何应用程序中。

可靠、始终在线的矢量数据库

Milvus 内置的复制和故障转移/故障恢复功能可确保数据和应用程序在发生中断时保持业务连续性。

高度可扩展和弹性

组件级可扩展性使按需扩展和缩小成为可能。 Milvus 可以根据负载类型在组件级别自动伸缩，使资源调度更加高效。

混合搜索

从 Milvus 2.4 开始，我们引入了多向量支持和混合搜索框架，这意味着用户可以将多个向量字段（最多 10 个）引入到单个集合中。不同列中的这些向量代表数据的不同方面，源自不同的嵌入模型或经历不同的处理方法。使用倒数排名融合 (RRF) 和加权评分等重新排名策略来整合混合搜索的结果。

该功能在综合搜索场景中特别有用，例如根据图片、语音、指纹等多种属性来识别向量库中最相似的人。详细信息请参阅混合搜索了解更多。

统一的Lambda结构

Milvus 将流处理和批处理结合起来进行数据存储，平衡时效性和效率。其统一的界面使矢量相似性搜索变得轻而易举。

社区支持、行业认可

拥有超过 1,000 名企业用户、GitHub 上超过 27,000 颗星以及活跃的开源社区，使用 Milvus 时您并不孤单。 Milvus 作为 LF AI & Data Foundation 旗下的研究生项目，拥有机构支持。

快速启动

从 Zilliz 云开始

Zilliz Cloud 是一项完全托管的云服务，也是部署 LF AI Milvus® 的最简单方法，请参阅 Zilliz Cloud 并开始免费试用。

安装 Milvus

• 独立快速入门指南

• 集群快速入门指南

• 高级部署

从源代码构建 Milvus

首先检查要求。

Linux系统（推荐Ubuntu 20.04或更高版本）：

去：>= 1.21
cmake：>= 3.26.4
海湾合作委员会：9.5
蟒蛇：> 3.8 且 <= 3.11

采用 x86_64 的 MacOS 系统（推荐使用 Big Sur 11.5 或更高版本）：

去：>= 1.21
cmake：>= 3.26.4
LLVM：> = 15
蟒蛇：> 3.8 且 <= 3.11

采用 Apple Silicon 的 MacOS 系统（推荐使用 Monterey 12.0.1 或更高版本）：

去：> = 1.21（Arch = ARM64）
cmake：>= 3.26.4
LLVM：> = 15
蟒蛇：> 3.8 且 <= 3.11

克隆 Milvus 存储库并构建。

 # 克隆 github 仓库。$ git clone https://github.com/milvus-io/milvus.git# 安装第三方依赖。$ cd milvus/
$ ./scripts/install_deps.sh# 编译 Milvus.$ make

有关完整故事，请参阅开发人员文档。

重要master 分支用于 Milvus v2.0 的开发。 2021 年 3 月 9 日，我们发布了 Milvus v1.0，这是 Milvus 的第一个长期支持的稳定版本。如需使用 Milvus v1.0，请切换到 1.0 分支。

Milvus 2.0 与 1.x：云原生、分布式架构、高度可扩展等

请参阅 Milvus 2.0 与 1.x 了解更多信息。

真实世界的演示

图片搜索	聊天机器人	化学结构搜索

图片搜索

图像可搜索。立即从海量数据库中返回最相似的图像。

聊天机器人

交互式数字客户服务可以节省用户时间和企业资金。

化学结构搜索

对指定分子进行极快的相似性搜索、子结构搜索或上层结构搜索。

训练营

Milvus 训练营旨在让用户了解矢量数据库的简单性和深度。了解如何运行基准测试以及构建涵盖聊天机器人、推荐系统、反向图像搜索、分子搜索等的相似性搜索应用程序。

贡献

欢迎大家为 Milvus 做出贡献。有关提交补丁和贡献工作流程的详细信息，请参阅贡献指南。请参阅我们的社区存储库，了解我们的治理并访问更多社区资源。

文档

有关安装、开发、部署和管理的指导，请查看 Milvus 文档。有关技术里程碑和增强建议，请查看 milvus confluence

软件开发工具包

下面列出了已实现的SDK及其API文档：

• PyMilvus SDK

• 开发工具包

• 去SDK

• Cpp SDK(开发中)

• 节点SDK

• Rust SDK（开发中）

• CSharp SDK(开发中)

阿图

Attu 为 Milvus 提供了直观、高效的 GUI。

• 快速启动

社区

加入 Discord 上的 Milvus 社区，与我们的工程团队分享您的建议、意见和问题。

您还可以查看我们的常见问题解答页面，找到您的问题的解决方案或答案。

订阅 Milvus 邮件列表：

• 技术指导委员会

• 技术讨论

• 公告

在社交媒体上关注 Milvus：

• 中等的

• X

• YouTube

参考

在研究论文中使用 Milvus 时的引用参考：

@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}
}

致谢

Milvus 采用以下依赖项：

• 感谢 FAISS 提供的优秀搜索库。

• 感谢 etcd 提供了出色的开源键值存储工具。

• 感谢 Pulsar 出色的分布式发布-订阅消息系统。

• 感谢 Tantivy 用 Rust 编写的全文搜索引擎库。

• 感谢 RocksDB 强大的存储引擎。

Milvus 被以下开源项目采用：

• Towhee 是一个灵活的、面向应用的框架，用于计算非结构化数据上的嵌入向量。

• Haystack 是一个利用 Transformer 模型的开源 NLP 框架

• Langchain 通过可组合性与法学硕士构建应用程序

• LLamaIndex 为您的 LLM 申请提供数据框架

• GPTCache 是一个用于创建语义缓存以存储 LLM 查询响应的库。