大规模底库搜索特征比对库Milvus，介绍和了解

1、Faiss – 高维向量相似度检索和聚类
facebook有一个专门做向量搜索的库faiss，使用类似于检索的方式对最相近的向量进行查找，支持欧氏距离、cosine相似度等常见的匹配方式，更重要的是还支持GPU加速
使用范例 import faiss
https://www.zhihu.com/question/356981769/answer/910084021

2、Milvus
高性能

Milvus为海量向量搜索场景而设计。Milvus不但集成了业界成熟的向量搜索技术如Faiss和SPTAG，Milvus也实现了高效的NSG图索引。同时，Milvus团队针对Faiss IVF索引进行了深度优化，实现了CPU与多GPU的融合计算，大幅提高了向量搜索性能。Milvus可以在单机环境下完成SIFT1b十亿级向量搜索任务。

更多信息请参考 GitHub 文档：https://github.com/milvus-io/bootcamp/blob/master/docs/milvus101/hardware_platform.md

智能索引

针对不同应用场景，Milvus提供多种向量相似度计算方式和索引类型。Milvus目前支持主流的欧式距离、点积、余弦相似度（未来Milvus会集成更多的相似度计算方式）。同时，Milvus提供适用于n:N查询的量化索引，适用于1:N查询的图索引或树图混合索引。

安装使用指南
https://www.bookstack.cn/read/milvus-0.6-zh/guides-get_started-install_milvus-gpu_milvus_docker.md

3、Milvus 避坑攻略
Milvus 避坑攻略