milvus - Milvus 是一个开源矢量数据库，旨在为嵌入相似性搜索和 AI 应用程序提供支持
什么是米尔乌斯？
Milvus是一个开源矢量数据库，旨在为嵌入相似性搜索和AI应用程序提供支持。Milvus 使非结构化数据搜索更易于访问，并提供一致的用户体验，无论部署环境如何。
Milvus 2.0 是一个云原生矢量数据库，其存储和计算按设计分开。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。有关更多体系结构详细信息，请参阅 Milvus 体系结构概述。
Milvus于2019年10月在开源Apache许可证2.0下发布。它目前是LF AI和数据基金会下的一个研究生项目。
主要特点
对万亿矢量数据集进行毫秒级搜索
在万亿个矢量数据集上测量的平均延迟（以毫秒为单位）。简化的非结构化数据管理
可靠、始终在线的矢量数据库
Milvus 的内置复制和故障切换/回切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
组件级可伸缩性使得按需扩展和缩减成为可能。Milvus 可以根据负载类型在组件级别自动缩放，从而使资源调度更加高效。混合搜索
除矢量外，Milvus 还支持布尔值、整数、浮点数等数据类型。Milvus 中的集合可以包含多个字段，以适应不同的数据功能或属性。Milvus 将标量滤波与强大的向量相似性搜索相结合，为分析非结构化数据提供了一个现代、灵活的平台。请查看 https://github.com/milvus-io/milvus/wiki/Hybrid-Search 以获取示例和布尔表达式规则。统一的λ结构
Milvus 将数据存储的流和批处理相结合，以平衡及时性和效率。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、9，000 多位 GitHub 上的明星以及活跃的开源社区，当你使用 Milvus 时，你并不孤单。作为LF AI与数据基金会的研究生项目，Milvus拥有机构支持。快速入门
安装米尔乌斯
从源代码构建密谋
首先检查要求。
Linux 系统（建议使用 Ubuntu 18.04 或更高版本）：
go: >= 1.18
cmake: >= 3.18
gcc: 7.5具有x86_64的 MacOS 系统（建议使用大苏尔 11.5 或更高版本）：
go: >= 1.18
cmake: >= 3.18
llvm: >= 12采用苹果芯片的 MacOS 系统（建议使用蒙特雷 12.0.1 或更高版本）：
go: >= 1.18 (Arch=ARM64)
cmake: >= 3.18
llvm: >= 13克隆米尔武斯存储库并构建。
# Clone github repository.
$ git clone https://github.com/milvus-io/milvus.git
# Install third-party dependencies.
$ cd milvus/
$ ./scripts/install_deps.sh
# Compile Milvus.
$ make有关完整案例，请参阅开发人员的文档。
重要主分支用于开发 Milvus v2.0。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。要使用 Milvus v1.0，请切换到分支 1.0。
Milvus 2.0 与 1.x：云原生、分布式架构、高度可扩展等
有关详细信息，请参阅 Milvus 2.0 与 1.x。
真实世界演示
|
|
|
| 图片搜索 | 聊天机器人 | 化学结构搜索 |
|---|
图片搜索
使图像可搜索。从庞大的数据库中即时返回最相似的图像。
聊天机器人
交互式数字客户服务，可节省用户时间和企业资金。
化学结构搜索
对指定分子进行超快速相似性搜索、亚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
欢迎大家为米尔夫斯做出贡献。有关提交修补程序和贡献工作流的详细信息，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。
所有贡献者
文档
有关安装、开发、部署和管理的指南，请查看 Milvus 文档。有关技术里程碑和增强建议，请查看 milvus 汇合
开发工具包
下面列出了已实现的开发工具包及其 API 文档：
- PyMilvus SDK
- Java 开发工具包（准备测试）
- 转到 SDK（准备测试）
- 中标开发工具包（开发中）
- 节点开发工具包
阿图
阿图为密尔布斯提供了直观高效的GUI。
社区
加入 Slack 上的 Milvus 社区，与我们的工程团队分享你的建议、建议和问题。
你还可以查看我们的常见问题解答页面，以发现你的问题或疑问的解决方案或答案。
订阅米尔沃斯邮件列表：
在社交媒体上关注米尔沃斯：
参考
在研究论文中使用Milvus时的引用：
@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}
}
确认
米尔乌斯采用以下依赖项：
Milvus被以下开源项目采用：
