Windows 系统下使用 Docker 安装 Milvus 向量数据库

引路者👇：

引言

[一、Docker 简介](#一、Docker 简介)

[Docker 的基本操作](#Docker 的基本操作)

[二、安装 Milvus](#二、安装 Milvus)

安装步骤

[Milvus 架构图](#Milvus 架构图)

[三、使用 Milvus](#三、使用 Milvus)

四、总结

引言

在数据分析和机器学习领域，Milvus 作为一款高性能的向量数据库，正变得越来越受欢迎。它能够高效地处理海量向量数据，支持复杂的相似性搜索，广泛应用于推荐系统、图像识别和自然语言处理等领域。在 Windows 系统上，借助 Docker，我们可以轻松地部署和管理 Milvus，无需担心复杂的依赖问题。本文将详细介绍如何在 Windows 系统上使用 Docker 安装 Milvus 向量数据库，包括 Docker 的基本使用方法和 Milvus 的部署步骤。

一、Docker 简介

Docker 是一个开源的应用容器引擎，它允许开发者将应用及其依赖打包到一个可移植的容器中，然后发布到任何支持 Docker 的平台上。Docker 容器与虚拟机相比，具有启动速度快、资源占用少等优点。

Docker 的基本操作

安装 Docker Desktop
- 访问 https://www.docker.com/products/docker-desktop 下载 Docker Desktop。
- 安装过程中，建议选择使用 WSL 2（Windows Subsystem for Linux 2）作为后端，因为它比 Hyper-V 提供更好的性能和兼容性。
- 安装完成后，重启计算机以完成安装。
基本命令
- 查看 Docker 版本 ：docker --version 和 docker-compose --version。
- 查看当前运行的容器 ：docker ps。
- 启动/停止容器 ：docker start <container_id> 和 docker stop <container_id>。
- 删除容器 ：docker rm <container_id>。
- 构建镜像 ：docker build -t <image_name> .。
- 运行容器 ：docker run -d -p <host_port>:<container_port> <image_name>。

二、安装 Milvus

Milvus 是一个开源的向量数据库，专为处理海量向量数据而设计。它支持多种数据类型和索引结构，能够高效地进行相似性搜索。

安装步骤

创建文件夹和配置文件
- 创建一个名为 milvus 的文件夹，并在其中创建以下文件和文件夹结构：
  python 复制代码
```
milvus/
├── volumes/
│   ├── etcd/
│   ├── minio/
│   └── milvus/
└── docker-compose.yml
```
- 编辑 docker-compose.yml 文件，内容如下：

python 复制代码

version: '3.5'
services:
  etcd:
    container_name: milvus-etcd
    image: quay.io/coreos/etcd:v3.5.5
    environment:
      - ETCD_AUTO_COMPACTION_MODE=revision
      - ETCD_AUTO_COMPACTION_RETENTION=1000
      - ETCD_QUOTA_BACKEND_BYTES=4294967296
      - ETCD_SNAPSHOT_COUNT=50000
    volumes:
      - ${DOCKER_VOLUME_DIRECTORY:-.}/volumes/etcd:/etcd
    command: etcd -advertise-client-urls=http://127.0.0.1:2379 -listen-client-urls http://0.0.0.0:2379 --data-dir /etcd
    healthcheck:
      test: ["CMD", "etcdctl", "endpoint", "health"]
      interval: 30s
      timeout: 20s
      retries: 3

  minio:
    container_name: milvus-minio
    image: minio/minio:RELEASE.2023-03-20T20-16-18Z
    environment:
      MINIO_ACCESS_KEY: minioadmin
      MINIO_SECRET_KEY: minioadmin
    ports:
      - "9001:9001"
      - "9000:9000"
    volumes:
      - ${DOCKER_VOLUME_DIRECTORY:-.}/volumes/minio:/minio_data
    command: minio server /minio_data --console-address ":9001"
    healthcheck:
      test: ["CMD", "curl", "-f", "http://localhost:9000/minio/health/live"]
      interval: 30s
      timeout: 20s
      retries: 3

  standalone:
    container_name: milvus-standalone
    image: milvusdb/milvus:v2.3.10
    command: ["milvus", "run", "standalone"]
    security_opt:
      - seccomp:unconfined
    environment:
      ETCD_ENDPOINTS: etcd:2379
      MINIO_ADDRESS: minio:9000
    volumes:
      - ${DOCKER_VOLUME_DIRECTORY:-.}/volumes/milvus:/var/lib/milvus
    healthcheck:
      test: ["CMD", "curl", "-f", "http://localhost:9091/healthz"]
      interval: 30s
      start_period: 90s
      timeout: 20s
      retries: 3
    ports:
      - "19530:19530"
      - "9091:9091"
    depends_on:
      - etcd
      - minio

  attu:
    container_name: attu
    image: zilliz/attu:v2.3.10
    environment:
      MILVUS_URL: standalone:19530
    ports:
      - "8000:3000"
    depends_on:
      - standalone

运行 Docker Compose
- 打开命令提示符，切换到 milvus 文件夹目录。
- 运行以下命令启动 Milvus 服务
  复制代码
```
docker-compose up -d
```
- 如果出现端口冲突错误，需要修改 docker-compose.yml 文件中的端口配置，确保端口未被占用。
验证 Milvus 是否成功启动
- 打开浏览器，访问 http://127.0.0.1:8000，如果看到 Milvus 的管理界面，说明安装成功。

Milvus 架构图

三、使用 Milvus

Milvus 提供了丰富的 API 和 SDK，支持 Python、Java、Go 等多种编程语言。以下是使用 Python SDK 连接 Milvus 的示例代码：

python 复制代码

from pymilvus import connections, Collection, FieldSchema, CollectionSchema, DataType

# 连接到 Milvus 服务
connections.connect("default", host="127.0.0.1", port="19530")

# 定义集合结构
fields = [
    FieldSchema(name="id", dtype=DataType.INT64, is_primary=True),
    FieldSchema(name="embedding", dtype=DataType.FLOAT_VECTOR, dim=128)
]
schema = CollectionSchema(fields, description="example collection")

# 创建集合
collection_name = "example_collection"
collection = Collection(name=collection_name, schema=schema)

# 插入数据
data = [
    [i for i in range(10)],
    [[float(i) for _ in range(128)] for i in range(10)]
]
collection.insert(data)

# 创建索引
index_params = {
    "metric_type": "L2",
    "index_type": "IVF_FLAT",
    "params": {"nlist": 10}
}
collection.create_index(field_name="embedding", index_params=index_params)

# 进行相似性搜索
search_params = {"metric_type": "L2", "params": {"nprobe": 10}}
result = collection.search(
    data=[[float(i) for i in range(128)]],
    anns_field="embedding",
    param=search_params,
    limit=3,
    expr=None
)
print(result)

四、总结

通过 Docker，我们可以在 Windows 系统上轻松地安装和运行 Milvus 向量数据库。Docker 的容器化技术使得 Milvus 的部署变得简单快捷，同时也方便了后续的维护和升级。Milvus 提供了强大的向量数据处理能力，能够满足各种复杂的应用场景需求。希望本文的介绍能够帮助你快速上手 Milvus，并在实际项目中发挥其强大的功能。

如果实践操作中遇到其他问题，也可以在评论区留言，Fly帮你在线答疑！！！