Milvus 项目教程

Milvus 项目教程

milvus 项目地址: https://gitcode.com/gh_mirrors/mil/milvus

1. 项目介绍

Milvus 是一个开源的向量数据库，专为嵌入相似性搜索和 AI 应用而构建。它使得非结构化数据搜索更加便捷，并提供了一致的跨部署环境的用户体验。Milvus 2.0 是一个云原生向量数据库，其设计中存储和计算是分离的，所有组件都是无状态的，以增强弹性和灵活性。

Milvus 的主要特点包括：

• 在万亿向量数据集上的毫秒级搜索
• 简化的非结构化数据管理
• 丰富的 API，适用于数据科学工作流程
• 跨笔记本、本地集群和云的一致用户体验
• 内置的复制和故障转移/恢复功能，确保数据和应用在事件中断时能够保持业务连续性
• 高度可扩展和弹性，组件级可扩展性使得按需扩展和缩减成为可能

2. 项目快速启动

安装 Milvus 单机版

以下是快速启动 Milvus 单机版的步骤：

1. 安装依赖：

   • Linux 系统（推荐 Ubuntu 20.04 或更高版本）：

     sudo apt-get update && sudo apt-get install -y \
         wget \
         curl \
         git \
         cmake \
         build-essential \
         libopenblas-dev \
         liblapack-dev \
         libarpack2-dev \
         libsuperlu-dev
     

   • macOS 系统：

     brew install cmake wget curl git
     

2. 克隆 Milvus 仓库：

   git clone https://github.com/matrixji/milvus.git
   cd milvus
   

3. 安装第三方依赖：

   ./scripts/install_deps.sh
   

4. 编译 Milvus：

   make
   

5. 启动 Milvus 服务：

   ./bin/milvus run
   

使用 Python SDK 进行基本操作

以下是使用 Python SDK 进行基本操作的示例代码：

from pymilvus import MilvusClient

# 连接到 Milvus 服务
client = MilvusClient("localhost", 19530)

# 创建集合
client.create_collection(collection_name="demo_collection", dimension=5)

# 插入数据
data = [[1.0, 2.0, 3.0, 4.0, 5.0]]
client.insert(collection_name="demo_collection", data=data)

# 搜索数据
results = client.search(collection_name="demo_collection", query_records=[[1.0, 2.0, 3.0, 4.0, 5.0]])
print(results)

# 删除数据
client.delete(collection_name="demo_collection", ids=[1])

3. 应用案例和最佳实践

图像搜索

Milvus 可以用于构建高效的图像搜索系统。通过将图像转换为向量并存储在 Milvus 中，可以实现快速的相似图像搜索。

聊天机器人

Milvus 可以用于存储和检索聊天机器人的对话历史，从而实现更智能的对话管理和推荐。

化学结构搜索

在化学领域，Milvus 可以用于快速搜索相似的分子结构，支持子结构搜索和超结构搜索。

4. 典型生态项目

LangChain

LangChain 是一个用于构建 LLM 应用的开源框架，Milvus 可以作为其向量存储后端，提供高效的向量搜索功能。

LlamaIndex

LlamaIndex 是一个数据框架，用于 LLM 应用的数据管理，Milvus 可以与其集成，提供高效的向量搜索和存储功能。

GPTCache

GPTCache 是一个用于创建语义缓存的库，Milvus 可以作为其向量存储后端，提供高效的向量搜索和存储功能。

milvus 项目地址: https://gitcode.com/gh_mirrors/mil/milvus