Milvus是一個開源的矢量數(shù)據(jù)庫，為人工智能應用和嵌入的相似性搜索提供動力，Milvus使非結構化數(shù)據(jù)搜索更容易獲得，并提供一致的用戶體驗，無論部署環(huán)境如何。

軟件特色

全面的相似度指標

Milvus 支持各種常用的相似度計算指標，包括歐氏距離、內(nèi)積、漢明距離和杰卡德距離等。您可以根據(jù)應用需求來選擇最有效的向量相似度計算方式。

業(yè)界領先的性能

Milvus 基于高度優(yōu)化的 Approximate Nearest Neighbor Search (ANNS) 索引庫構建，包括 faiss、 annoy、和 hnswlib 等。您可以針對不同使用場景選擇不同的索引類型。

動態(tài)數(shù)據(jù)管理

您可以隨時對數(shù)據(jù)進行插入、刪除、搜索、更新等操作而無需受到靜態(tài)數(shù)據(jù)帶來的困擾。

近實時搜索

在插入或更新數(shù)據(jù)之后，您可以幾乎立刻對插入或更新過的數(shù)據(jù)進行搜索。Milvus 負責保證搜索結果的準確率和數(shù)據(jù)一致性。

高成本效益

Milvus 充分利用現(xiàn)代處理器的并行計算能力，可以在單臺通用服務器上完成對十億級數(shù)據(jù)的毫秒級搜索。

支持多種數(shù)據(jù)類型和高級搜索

Milvus 的數(shù)據(jù)記錄中的字段支持多種數(shù)據(jù)類型。您還可以對一個或多個字段使用高級搜索，例如過濾、排序和聚合。

高擴展性和可靠性

您可以在分布式環(huán)境中部署 Milvus。如果要對集群擴容或者增加可靠性，您只需增加節(jié)點。

云原生

您可以輕松在公有云、私有云、或混合云上運行 Milvus。

簡單易用

Milvus 提供了易用的 Python、Java、Go 和 C++ SDK，另外還提供了 RESTful API。

更新日志

新功能

#4564支持在get_entity_by_id()方法調用中指定分區(qū)。

#4806 支持在delete_entity_by_id()方法的調用中指定分區(qū)。

#4905 增加了release_collection()方法，從緩存中卸載一個特定的集合。

改進之處

#4756 提高了get_entity_by_id()方法調用的性能。

#4856 將hnswlib升級到v0.5.0。

#4958提高了IVF索引訓練的性能。

修復的問題

#4778 在Mishards中訪問向量索引失敗。

#4797 合并具有不同topK參數(shù)的搜索請求后，系統(tǒng)返回錯誤結果。

#4838 服務器不會立即響應空集合上的索引構建請求。

#4858 對于支持GPU的Milvus，系統(tǒng)在有大topK（> 2048）的搜索請求時崩潰。

#4862 一個只讀的節(jié)點在啟動過程中會合并片段。

#4894 布隆過濾器的容量不等于它所屬段的行數(shù)。

#4908 在放棄一個集合后，GPU緩存沒有被清理。

#4933 系統(tǒng)需要很長時間才能為一個小段建立索引。

#4952 未能將時區(qū)設置為 "UTC + 5:30"。

#5008 在連續(xù)、并發(fā)的刪除、插入和搜索操作中，系統(tǒng)隨機崩潰。

#5010 對于支持GPU的Milvus，如果nbits≠8，在IVF_PQ上查詢失敗。

#5050 get_collection_stats()對仍在建立索引過程中的段返回錯誤的索引類型。

#5063 當一個空段被刷新時，系統(tǒng)會崩潰。

#5078 對于支持GPU的Milvus，在2048、4096或8192維度的向量上創(chuàng)建IVF索引時系統(tǒng)崩潰。