【介绍】

Milvus(矢量数据库)支持您根据实际业务需求选择faiss、annoy和hnswlib等不同的索引类型，该软件可以管理表示地理空间数据的矢量数据结构，并且允许您自由增删改查数据，实施动态的数据管理，不再受到静态数据的限制。

软件特点

周全的类似度目标

Milvus(矢量数据库)拥有各类经常使用的类似度计较目标，包罗欧氏间隔、内积、汉明间隔和杰卡德间隔等。您可以按照运用需求来选择最有用的向量类似度计较技巧。

业界抢先的机能

Milvus 基于高度优化的 Approximate Nearest Neighbor Search (ANNS) 索引库构建，包罗 faiss、 annoy、和 hnswlib 等。您可以针对各种运用场景选择各种的索引类型。

静态数据办理

您可以随时对数据开启插入、删除、搜刮、更新等操作而无需遭到静态数据带来的困扰。

近及时搜刮

在插入或更新数据以后，您可以几近立即对插入或更新过的数据开启搜刮。Milvus 担任担保搜刮成果的精确率和数据同样性。

高本钱效益

Milvus 充实操纵21世纪处置器的并行计较才能，可以在单台通用服务器上完成对十亿级数据的毫秒级搜刮。

拥有不同数据类型和高级搜刮

Milvus 的数据记载中的字段拥有不同数据类型。您还可以对一个或多个字段运用高级搜刮，例如过滤、排序和聚合。

高扩大性和靠得住性

您可以在散布式情况中摆设 Milvus。若是要对集群扩容或增添靠得住性，您只需增添节点。

云原生

您可以轻松在私有云、公有云、或夹杂云上运转 Milvus。

易懂易用

Milvus 供给了易用的 Python、Java、Go 和 C++ SDK，别的还供给了 RESTful API。

首要特征

异构计较

优化了基于 GPU 搜刮向量和成立索引的机能。

可以在单台通用服务器上完成对 TB 级数据的毫秒级搜刮。

静态数据办理。

拥有主流索引库、间隔计较技巧和监控东西

集成了 Faiss、NMSLIB、Annoy 等向量索引库。

拥有基于量化的索引、基于图的索引和基于树的索引。

类似度计较技巧包罗欧氏间隔 (L2)、内积 (IP)、汉明间隔、杰卡德间隔等。

Prometheus 作为监控和机能目标存储方案，Grafana 作为可视化组件开启数据展现。

近及时搜刮

插入 Milvus 的数据默许在 1 秒后便可被搜刮到。

标量字段过滤 (行将上线)

拥有向量和标量数据。

可以对标量数据开启过滤，加强搜刮的矫捷性。

更新日记

新性能

#4564拥有在get_entity_by_id()方式挪用中指定分区。

#4806 拥有在delete_entity_by_id()方式的挪用中指定分区。

#4905 增添了release_collection()方式，从缓存中卸载一个特定的调集。

改良的地方

#4756 提升了get_entity_by_id()方式挪用的机能。

#4856 将hnswlib进级到v0.5.0。

#4958提升了IVF索引练习的机能。

修复的成绩

#4778 在Mishards中拜候向量索引掉败。

#4797 归并具有各种topK参数的搜刮要求后，系统前往毛病成果。

#4838 服务器不会当即呼应空调集上的索引构建要求。

#4858 对拥有GPU的Milvus，系统在有大topK（> 2048）的搜刮要求时解体。

#4862 一个只读的节点在启动进程中汇合并片断。

#4894 布隆过滤器的容量不即是它所属段的行数。

#4908 在抛却一个调集后，GPU缓存没有被清算。

#4933 系统需求很长时间才干为一个小段成立索引。

#4952 未能将时区设置为 "UTC + 5:30"。

#5008 在持续、并发的删除、插入和搜刮操作中，系统随机解体。

#5010 对拥有GPU的Milvus，若是nbits≠8，在IVF_PQ上查询掉败。

#5050 get_collection_stats()对仍在成立索引进程中的段前往毛病的索引类型。

#5063 当一个空段被刷新时，系统会解体。

#5078 对拥有GPU的Milvus，在2048、4096或8192维度的向量上建立IVF索引时系统解体。

小编测评

该软件具备多种矢量数据相似度计算指标，例如内积、杰卡德距离等，每种计算方式适用于不同的应用需求。它拥有极高的数据实时同步性质，几乎可以在数据更新后立刻使用搜索工具找到所需的新数据，准确率和一致性超高。

好了，今天的Milvus(矢量数据库)分享就到这里了，想要下载更多软件就来软件爱好者，快快收藏吧，更多精彩不容错过！