Linux之milvus向量数据库安装

一、milvus简介

  Milvus是一个开源的向量相似度搜索引擎,主要用于大规模向量数据的存储和查询。它支持多种向量类型,包括稠密向量、稀疏向量、二进制向量等,并提供了多种相似度度量方法,如欧氏距离、余弦相似度、Jaccard相似度等。Milvus支持分布式部署,可以在多台服务器上搭建分布式搜索集群,支持高并发查询和批量查询。Milvus通过提供简单易用的API,可以轻松地与各种应用程序集成,如图像搜索、推荐系统、自然语言处理等领域。此博文以centos环境下安装milvus为例进行介绍,博文实验环境如下:

  • 操作系统:centos7.9
  • docker版本:23.0.1
  • milvus版本:2.2.9

二、安装环境要求

  如下是以单机节点部署方式的软硬件安装要求。

1、硬件要求

序号硬件类型最低配置要求推荐配置备注
1CPUintel二代以上CPU4核以上CPU目前不支持AMD CPU类型
2CPU指令集SSE4.2、AVX、AVX2、AVX-512SSE4.2、AVX、AVX2、AVX-512确保CPU至少支持一个列出的SIMD扩展
3内存8G16G
4硬盘驱动SATA 3.0 SSD或者更高NVMe SSD或者更高

2、软件要求

  对于单机部署来说主要满足满足docker和docker compose组件版本要求就可以,另外几个相关软件是在通过docker compose安装milvus时自动安装的。

序号软件要求备注
1Linux系统Docker 19.03以上版本,Docker Compose 1.25.1以上版本
2etcd3.5.0对集群性能至关重要,与磁盘性能相关
3MinIORELEASE.2023-03-20T20-16-18Z
4Pulsar2.8.2

三、安装步骤

1、安装docker

  docker的安装见博文Linux之docker安装,这里不再赘述。

2、安装fio命令

[root@yws55 home]# yum install -y fio

3、磁盘性能测试

  理想情况下,磁盘的IOPS应超过500,而fsync延迟的99%以上应低于10ms。

在这里插入图片描述

4、检查CPU支持的指令集

  我们使用lscpu命令可以查看CPU支持的指令集,Flags的参数值就是该服务器支持的CPU指令集。
在这里插入图片描述

5、检查docker版本

  根据milvus安装要求,docker版本要求是19.03以上版本,我们这里安装的docker版本为23.0.1,满足要求。

[root@yws55 test-data]# docker -v
Docker version 23.0.1, build a5ee5b1

6、安装docker compose组件

  根据milvus安装要求,docker compose版本要求是1.25.1以上,我们这里安装的版本是1.29.2,满足要求。

[root@yws55 home]# yum -y install python3-pip
[root@yws55 home]# pip3 install --upgrade pip
[root@yws55 home]# pip install docker-compose
[root@yws55 home]# docker-compose version

docker-compose version 1.29.2, build unknown

7、下载YAML文件

  在/home目录下创建一个docker目录,当然这个可以自定义,这个目录将用于存储我们的milvus容器的volumes数据。

[root@yws55 home]# mkdir docker
[root@yws55 home]# cd docker/
[root@yws55 docker]# wget https://github.com/milvus-io/milvus/releases/download/v2.2.9/milvus-standalone-docker-compose.yml -O docker-compose.yml

8、安装milvus容器

  在下载存储docker-compose.yml文件的目录下执行docker-compose up -d 命令开始安装milvus容器。

[root@yws55 docker]# docker-compose up -d

Creating milvus-minio … done
Creating milvus-etcd … done
Creating milvus-standalone … done
[root@yws55 docker]# ll
total 4
-rw-r–r-- 1 root root 1356 Jun 5 10:35 docker-compose.yml
drwxr-xr-x 5 root root 45 Jun 13 14:52 volumes

9、查看milvus容器运行状态

  使用docker-compose安装完成milvus后自动启动了,可以使用命令docker ps或者docker-compose ps命令查看容器运行状态。看到milvus-etcd 、milvus-minio 、milvus-standalone三个容器说明安装成功。
在这里插入图片描述

10、milvus数据库连接测试

  使用浏览器访问连接地址http://ip:9091/api/v1/health,返回{“status”:“ok”}说明milvus数据库服务器运行正常。
在这里插入图片描述

11、milvus数据库服务管理

  • 停止milvus容器

[root@yws55 docker]# docker-compose stop

  • 启动milvus容器

[root@yws55 docker]# docker-compose start

  • 删除milvus容器
    使用docker-compose down命令会停止milvus容器并删除,然后我们可以rm -rf volumes删除milvus数据。

[root@yws55 docker]# docker-compose down

  • 重启milvus容器

[root@yws55 docker]# docker-compose restart

  • 查看milvus容器日志

[root@yws55 docker]# docker-compose logs

12、更多milvus知识

  更多milvus知识见官网

  • 4
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
Azure Open AI Embedding是一种嵌入模型,通过使用Azure平台上的开放AI服务,可以将文本转换为高维向量表示。这种嵌入模型可以用于自然语言处理、推荐系统等领域,帮助我们更好地理解和处理文本数据。在使用Azure Open AI Embedding时,我们可以利用Azure的强大计算资源和高效的API接口,快速获取到所需的文本嵌入表示。 Milvus本地向量数据库是一种针对大规模向量数据的高性能数据库。它提供了快速的向量相似度搜索和存储功能,可以高效地应用于图像识别、人脸识别、文本检索等领域。在搭建Milvus本地向量数据库的单例安装和使用时,我们可以通过简单的配置和管理,快速部署本地向量检索系统,并且能够自由定制化自己的向量索引。 对于私有模型的应用,可以将Azure Open AI Embedding模型和Milvus本地向量数据库结合起来。首先,可以使用Azure Open AI Embedding模型将文本数据转换为向量表示,然后将这些向量存储到Milvus本地向量数据库中进行索引和检索。这样可以实现自己的定制化文本嵌入表示和快速的向量相似度搜索。同时,我们也可以通过对Milvus本地向量数据库进行单例安装和私有化部署,更好地保护自己的数据和模型隐私。这样的集成和应用可以帮助我们更好地理解和处理大规模文本数据,并且能够高效地进行相似度搜索和检索。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

恒悦sunsite

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值