Coggle数据科学 | 小白学 RAG：Milvus 介绍与使用教程

本文来源公众号“Coggle数据科学”，仅用于学术分享，侵权删，干货满满。

原文链接：小白学 RAG：Milvus 介绍与使用教程

什么是Milvus？

Milvus 是一款高性能、高扩展性的开源向量数据库，专为处理海量向量数据的实时召回而设计。它基于 FAISS、Annoy、HNSW 等向量搜索库构建，核心功能是解决稠密向量相似度检索的问题。Milvus 不仅支持基本的向量检索，还提供数据分区分片、数据持久化、增量数据摄取、标量向量混合查询、time travel 等功能，同时优化了向量检索的性能，以满足各种向量检索场景的应用需求。

Milvus 的架构设计采用了云原生技术，支持存储与计算分离，使得计算节点可以横向扩展。它由四个层次组成：接入层（Access Layer）、协调服务（Coordinator Service）、执行节点（Worker Node）和存储服务（Storage）。这种分层设计使得各个组件相互独立，可以独立扩展和容灾，从而提高了系统的弹性和灵活性。

Milvus 支持多种部署模式，包括轻量级的 Milvus Lite、单机服务器部署的 Milvus Standalone，以及可部署在 Kubernetes 集群上的 Milvus Distributed。这些部署模式使得 Milvus 能够适应不同规模的数据和应用场景。

Milvus基础使用

在 Milvus 中，定义集合（Collection）的模式（Schema）是一个重要的步骤，因为它决定了如何存储和检索数据。根据您的描述，您想要创建一个集合，其中主键（Primary Key）和向量字段（Vector Field）使用默认名称（"id" 和 "vector"），并且使用余弦相似度（COSINE）作为度量类型（Metric Type）。

• 导入环境

from pymilvus import Milvu