开源的向量数据库Milvus

Milvus是一款开源的向量数据库,专为处理向量搜索任务而设计,尤其擅长处理大规模向量数据的相似度检索。

官网地址:https://milvus.io/

以下是关于Milvus的详细介绍:

一、基本概念

  • 向量数据库:Milvus是一款云原生向量数据库,它支持多种类型的向量,如浮点向量、二进制向量等,并且可以处理大规模的向量数据。向量在Milvus中作为基本数据单元,用于表示高维空间中的点,可以是图像、音频、文本等数据的特征表示。
  • 向量搜索:Milvus通过计算向量之间的距离来评估向量之间的相似度,支持高效的相似度搜索和向量索引功能。常见的距离度量包括欧氏距离和余弦相似度等。

二、系统架构与主要组件

Milvus的系统架构遵循数据流和控制流分离的原则,整体分为四个层次:

  1. 接入层(Access Layer):系统的门面,由一组无状态proxy组成,对外提供用户连接的endpoint,负责验证客户端请求并合并返回结果。
  2. 协调服务(Coordinator Service):系统的大脑,负责分配任务给执行节点。协调服务共有四种角色,分别为root coord、data coord、query coord和index coord。
  3. 执行节点(Worker Node):系统的四肢,负责完成协调服务下发的指令和proxy发起的数据操作语言(DML)命令。执行节点分为三种角色,分别为data node、query node和index node。
  4. 存储层(Storage):系统的骨骼,负责Milvus数据的持久化,分为元数据存储(meta store)、消息存储(log broker)和对象存储(object storage)三个部分。

三、核心功能

  1. 高效的向量搜索:Milvus支持在亿级向量中进行毫秒级的搜索,提供了快速的最近邻搜索(Nearest Neighbor Search, NNS)功能。
  2. 多种距离度量:支持多种距离度量方式,包括欧几里得距离(L2)、余弦相似度等,以适应不同的应用需求。
  3. 可扩展性:Milvus设计为分布式系统,可以水平扩展以处理大规模数据集。它支持在Kubernetes上部署,以获得最佳可用性和弹性。
  4. 兼容性:Milvus支持与多种机器学习框架集成,如TensorFlow、PyTorch和PaddlePaddle。
  5. 易用性:提供了简单易用的API,支持多种编程语言,如Python、Java和Go。

四、应用场景

Milvus因其高效的向量搜索能力,广泛应用于以下场景:

  1. 图像搜索:通过比较图像特征向量的相似度来实现图像搜索。
  2. 推荐系统:在推荐系统中,Milvus可以用来检索与用户兴趣向量最相似的商品或内容。
  3. 自然语言处理:Milvus可以用来检索与查询文本最相关的文档或句子。
  4. 音频处理:音频特征向量用于识别或分类音频片段。

五、优势与特点

  1. 高性能:性能高超,可对海量数据集进行向量相似度检索。
  2. 高可用、高可靠:支持在云上扩展,其容灾能力能够保证服务高可用。
  3. 混合查询:支持在向量相似度检索过程中进行标量字段过滤,实现混合查询。
  4. 开发者友好:支持多语言、多工具的Milvus生态系统。

六、开发示例

使用Python结合Milvus实现相似性搜索通常涉及几个关键步骤:安装Milvus和相应的Python客户端库、连接到Milvus服务器、创建集合(Collection)、插入向量数据、构建索引以及执行相似性搜索。以下是一个基本的流程示例:

1. 安装Milvus和Python客户端

首先,确保你已经安装了Milvus服务器,并且它正在运行。然后,安装Milvus的Python客户端库pymilvus

pip install pymilvus

2. 连接到Milvus服务器

使用pymilvus客户端连接到你的Milvus服务器。

python 复制代码
from pymilvus import connections, Collection, FieldSchema, CollectionSchema, DataType  
  
# 连接到Milvus服务器  
connections.connect(host='localhost', port='19530')

3. 创建集合

在Milvus中创建一个新的集合,用于存储向量数据。

python 复制代码
# 定义字段模式  
dim = 128  # 向量的维度  
fields = [  
    FieldSchema(name="id", dtype=DataType.INT64, is_primary=True, auto_id=True),  
    FieldSchema(name="embedding", dtype=DataType.FLOAT_VECTOR, dim=dim)  
]  
  
# 定义集合模式  
schema = CollectionSchema(fields=fields, description="Test collection")  
  
# 创建集合  
collection = Collection("test_collection", schema=schema)

4. 插入向量数据

向集合中插入一些向量数据。

python 复制代码
import numpy as np  
  
# 生成一些随机向量数据  
vectors = [np.random.random(dim).astype(np.float32) for _ in range(100)]  
  
# 插入数据  
collection.insert([{"id": None, "embedding": vec.tolist()} for vec in vectors])  
collection.flush()  # 确保数据被写入存储

5. 构建索引

为了加速相似性搜索,可以在向量字段上构建索引。

python 复制代码
# 假设使用IVF_FLAT索引  
index_params = {"nlist": 16384}  
collection.create_index("embedding", "IVF_FLAT", index_params)

6. 执行相似性搜索

现在,你可以使用一个查询向量来执行相似性搜索。

python 复制代码
# 定义一个查询向量  
query_vec = np.random.random(dim).astype(np.float32)  
  
# 执行搜索  
top_k = 10  # 返回最相似的10个结果  
search_params = {"metric_type": "L2", "params": {"nprobe": 16}}  
results = collection.search("embedding", [query_vec.tolist()], top_k, search_params)  
  
# 打印结果  
for result in results[0]:  
    print(f"ID: {result.id}, Distance: {result.distance}")

7. 清理

完成操作后,可以删除集合或关闭与Milvus的连接。

python 复制代码
# 删除集合  
collection.drop()  
  
# 关闭连接  
connections.disconnect()

综上所述,Milvus作为一款开源的向量数据库,在处理大规模向量搜索任务中表现出色,广泛应用于图像、音频、文本和推荐系统等领域。

相关推荐
路有瑶台6 分钟前
MySQL数据库学习(持续更新ing)
数据库·学习·mysql
数字扫地僧21 分钟前
WebLogic 版本升级的注意事项与流程
数据库
Viktor_Ye38 分钟前
高效集成易快报与金蝶应付单的方案
java·前端·数据库
努力算法的小明1 小时前
SQL 复杂查询
数据库·sql
斗-匕1 小时前
MySQL 三大日志详解
数据库·mysql·oracle
代码中の快捷键1 小时前
MySQL数据库存储引擎
数据库·mysql
只因在人海中多看了你一眼1 小时前
数据库体系
数据库
尘浮生2 小时前
Java项目实战II基于微信小程序的电影院买票选座系统(开发文档+数据库+源码)
java·开发语言·数据库·微信小程序·小程序·maven·intellij-idea
六月闻君2 小时前
MySQL 报错:1137 - Can‘t reopen table
数据库·mysql
SelectDB技术团队2 小时前
兼顾高性能与低成本,浅析 Apache Doris 异步物化视图原理及典型场景
大数据·数据库·数据仓库·数据分析·doris