Milvus v0.10.0 正式发布！

于 2020-06-15 20:37:48 发布
阅读量432 收藏
点赞数
分类专栏： Milvus 文章标签： 深度学习 自然语言处理 计算机视觉 Milvus 数据库
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44839084/article/details/106770751
版权

 

 

发布时间：2020-6-15

 

| 版本兼容

 

| 兼容性改动

  • 更新了 Milvus 配置文件。#2510

 

| 主要改进

  • 优化了系统在存在多个小分段情况下的索引创建时间。 #2373
  • 将 FAISS 升级至 1.6.3。 #2381
  • 降低了系统在存在大量分区时删除集合需要的时间。#2394
  • 在 GPU 版 Milvus 上优化了 k-selection 算法的实现。#2466

 

| 问题修复

  • 修复了一个搜索性能降低的问题。#2429
    详见 CHANGELOG 了解更多已修复问题。

 

 

| 欢迎加入 Milvus 社区

http://github.com/milvus-io/milvus | 源码

http://milvus.io | 官网

http://milvusio.slack.com | Slack 社区

http://zhihu.com/org/zilliz-11/columns | 知乎

http://zilliz.blog.csdn.net | CSDN 博客

http://space.bilibili.com/478166626 | Bilibili

Zilliz Planet
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
博客
欢迎「北辰使者」！首发队伍已集结，Milvus 社区力量持续壮大！
04-19 219
一个月前，Milvus 社区发起了北极星计划，旨在汇集和团结 Milvus 社区的热心用户及开发者，组成社区大使团队，根据不同朋友擅长的能力（Coding、写作、沟通、布道、活动组织等），在社区中分配职责，共同建设运营 Milvus 社区，为社区发展壮大探索方向。本着对社区负责的态度，我们进行了紧张的面试与选拔，最终选出了 7 位优秀的「北辰使者」！「北辰使团」队伍持续组建中，感兴趣的朋友们记得发送简历至邮箱：[email protected]，并在邮件主题中注明“Milvus 北极星申请”。
博客
客户案例｜权威答案！灵犀医疗引入 Zilliz Cloud，千万级向量数据库赋能医学 AIGC 平台...
04-18 816
“医疗行业是一个信息差较大的行业，术语体系庞杂且知识门类较多，如何能搜索到最精准的医学知识并采用最合理方式进行总结，这是我们医学 AIGC 平台 EviMed 所遇见的最主要的技术问题。传统的数据库和全文检索方式难以满足我们的技术要求，结合了 Zilliz Cloud 向量数据库服务之后，我们的系统效能显著提升，客户响应速度提升了 8%，搜索结果精准度提升约 10%，企业内部运维成本也降低了 30...
博客
权威答案！灵犀医疗引入 Zilliz Cloud，千万级向量数据库赋能医学 AIGC 平台
04-18 923
为 AI Agent 提供了“记忆力”：EviMed 的数据分析版块构建了一套 AI Agent，如果将所有的背景信息全部输入进大模型的话成本较高，而向量数据库可以将这些背景信息存储下来，后续根据 Agent 的需求再进行向量匹配的调取，从而一定程度上去除了大模型长上下文的依赖，降低了数据分析的成本。运维成本降低 30%：Zilliz Cloud 提供了全套的向量存储和搜索云服务，并可实现弹性扩缩容，与 EviMed SaaS 平台无缝融合，即插即用，极大的降低了企业的系统运维成本。
博客
提高 RAG 应用准确度，时下流行的 Reranker 了解一下？
04-17 4185
这是因为重排过程需要对每个候选文档进行高成本的模型推理，不同于前者可以每次查询都复用离线索引的结果，使用 Reranker 需要每次在线查询都进行推理，结果无法复用，带来重复的开销。虽然 Reranker 的使用成本远高于单纯使用向量检索的成本，但它仍然比使用 LLM 为同等数量文档生成答案的成本要低。在 RAG 架构中，Reranker 可以筛选向量搜索的初步结果，丢弃掉与查询相关性低的文档，从而有效防止 LLM 处理无关信息，相比于将向量搜索返回的结果全部送进 LLM 可大大减少生成部分的耗时和成本。
博客
Milvus 老友汇｜RAG 场景、电商平台、AI 平台……如何用向量数据库构建业务方案？
04-16 355
值得关注的是，Zilliz Cloud 上线了 Pipelines，它可以将文档、文本片段和图像等非结构化数据转换成可搜索的向量并存储在 Collection 中，帮助开发者简化工程开发，助力其实现多种场景的 RAG 应用，将复杂生产系统的搭建和维护简化成 API 调用，为 AI 应用开发者赋能。苏佺道提到，除了数字员工系统，爱晚亭 AI 平台还包含大模型 PK 系统，它集成了 10 多个业界主流的大模型，包括GPT4.0、3.5、谷歌 Gemini、讯飞星火、百度文心一言等。
博客
Last Call！AWS、Shopee、点石科技专家齐聚 Milvus 老友汇 · 线下 Meet
04-11 206
人间四月芳菲尽～在生机勃勃的春天，Milvus 将携手老朋友 Shopee 共同举办深圳站 Meetup！同时，我们也邀请到来自 AWS、点石科技的朋友们，他们将分享电商行业及 RAG 场景如何基于向量数据库构建业务方案。如果在使用 Milvus 或 Zilliz 产品有任何问题，可添加小助手微信 “zilliz-tech” 加入交流群。地点：深圳市南山区光启未来中心 B栋 3F Shopee 培训教室（距离高新园地铁站 500 米）还没报名的朋友，赶紧上车啦～4 月 13 日！
博客
为什么向量数据库在 RAG 中至关重要？
04-11 299
RAG 已经被业界证明可以有效解决大模型的幻觉问题，不过，很多朋友对于向量数据库在其中扮演的角色及背后的原理不甚了解。为此，我们特意邀请到 Zilliz 解决方案架构师刘汉卿，他将从原理到实践，为大家剖析向量数据库在 RAG 中的核心作用！如果在使用 Milvus 或 Zilliz 产品有任何问题，可添加小助手微信 “zilliz-tech” 加入交流群。一个专业的向量数据库究竟是如何运转的？它又是如何为产业赋能的？开箱即用的云原生向量数据库该怎么用？第 1 期的主题便是热度居高不下的 RAG。
博客
RAG 修炼手册｜一文讲透 RAG 背后的技术
04-10 342
GPT-2 是于 2019 年发布的改进版本，在GPT-1 的基础上进行了多项改进，包括使用更大规模的训练数据、更深层的模型结构，以及更多的训练迭代次数。这样，相似的单词或句子就会在嵌入空间中被映射为相近的向量，具有相似语义的词语或句子在向量空间上的距离也会较近。随着技术的不断进步和数据的丰富，我们可以期待更加强大的模型的出现。从 GPT-1 到 GPT-3，OpenAI 的语言生成模型在数据规模、模型结构和训练技术上都有了重大的改进和提升，从而实现了更高质量、更具逻辑性和一致性的文本生成能力。
博客
高维解码｜Redis 收紧许可证！开源软件公司如何在云时代生存？
04-08 547
这一举动引来了许多开源倡导者的批评，他们认为任何限制公共云提供商的许可证，都违背了由 OSI 定义的开源精神。另一方面，云服务提供商可以轻松地二次开发和转售开源产品，受益于开源公司在代码和开发者社区方面的大量投资，利用云的成本优势和分销渠道快速变现。是时候让开源社区重新思考"开源"的定义了。如果"源代码可用"的许可证仍然能够实现这一点，并提供可持续的商业模式，那么我们需要更新对开源的理解。这样开源公司可以将更多的"绝密武器"释放到开源社区，大大减轻开源开发者的维护负担，增强开源用户的体验。
博客
春天集结！Milvus 老友汇 · 线下 Meetup 来啦！
04-01 196
人间四月芳菲尽～在生机勃勃的春天，Milvus 将携手老朋友 Shopee 共同举办深圳站 Meetup！同时，我们也邀请到来自 AWS、点石科技的朋友们，他们将分享电商行业及 RAG 场景如何基于向量数据库构建业务方案。如果在使用 Milvus 或 Zilliz 产品有任何问题，可添加小助手微信 “zilliz-tech” 加入交流群。地点：深圳市南山区光启未来中心 B栋 3F Shopee 培训教室（距离高新园地铁站 500 米）期待新老朋友在此相聚以及可以酣畅淋漓地交流～4 月 13 日！
博客
RAG 修炼手册｜RAG 敲响丧钟？大模型长上下文是否意味着向量检索不再重要
03-28 813
这种情况下，由于上下文被切分，系统无法正确理解代词“去了哪里”的指代对象，从而导致了错误的结果。这一趋势的一个副产品是嵌入的上下文窗口也逐渐提升，例如 SRF-Embedding-Mistral 和 GritLM7B 已经支持 32k 的长上下文，这意味着嵌入本身处理长上下文的能力也得到了大幅提升。4.Variety（多样性）：实际的落地场景中，不仅仅包含了长文本，图片等非结构化数据，更包含了复杂的结构化数据，比如时间序列数据、图数据、代码的变更历史等等，处理这些数据依然需要足够高效的数据结构和检索算法。
博客
喜获千万元价值补贴，探索 AI 领域新应用：Zilliz 全力支持 AI 初创企业
03-26 441
作为向量数据库赛道的领先者，Zilliz 坚信 AI 叠加向量数据库充满了无限的想象，因此，从未停止过搭建 AI 生态的步伐。最近上线的 Milvus 2.4 支持稠密和稀疏向量的混合查询以提升 RAG 的效果，Zilliz 的商业化产品 Zilliz Cloud 也在早前上线 pipelines，简化将非结构化数据转换为 Embedding 向量的流程，并对接 Zilliz Cloud 向量数据库存储向量数据，实现高效的向量索引和检索。「Zilliz AI 初创计划」正式开启！
博客
引领向量数据库技术新变革，Milvus 2.4 正式上线！
03-25 1701
Milvus 2.4 的新增支持 Grouping 搜索功能，使得用户可以在搜索 vector 的基础上做分组聚合，返回的 TopK 是基于分组后的聚合结果而非简单的以向量为中心的片段信息。然而，这些方法是内存密集型的。具体而言，对稀疏向量的支持，进一步增强了 Milvus 的混合搜索能力——即将关键词搜索和向量搜索相结合，最终提高搜索准确性。本次发布中，Milvus 新增支持基于 NVIDIA 的 GPU 索引—— CUDA 加速图形索引（CAGRA），突破了现有向量搜索的能力。
博客
正式支持腾讯云！Zilliz Cloud 多云版图再度扩张
03-22 292
因此，Zilliz Cloud 也一直在不断增加对更多云和节点的支持，满足用户进行全球化业务布局的需求。截止目前，Zilliz Cloud 已实现全球 5 大云 13 个节点的全覆盖，除了在中国的杭州、北京、深圳等五大服务区，其他 8 个节点分布在海外，包括美国的弗吉尼亚州、俄勒冈州、德国的法兰克福、新加坡等城市和地区。3 月 22 日，Zilliz 对外透露，Zilliz Cloud 的用户可以使用腾讯云在北京和上海区的云服务搭建云应用，这将进一步为海内外用户提供更为丰富的多云支持的向量数据库云服务！
博客
Milvus 社区在线寻找「北辰使者」！！！
03-20 315
而 Milvus 北极星计划旨在汇集和团结 Milvus 社区的热心用户及开发者，组成社区大使团队，根据不同朋友擅长的能力（Coding、写作、沟通、布道、活动组织等），在社区中分配职责，共同建设运营 Milvus 社区，为社区发展壮大探索方向。我们面向所有 Milvus 社区的开发者、用户进行招募，如果你使用过 Milvus，喜欢Milvus 社区，希望通过 Milvus 社区学习向量检索领域前沿技术，与社区共同成长进步；Milvus 社区的朋友们，大家好，欢迎来到 Milvus 北极星计划发布现场！
博客
与 NVIDIA 再次合作、深度参与 GTC，Zilliz 与全球顶尖开发者共迎 AI 变革时刻！
03-19 459
Zilliz 与全球的顶尖开发者齐聚 GTC 2024。近日，备受关注的 NVIDIA GTC 2024 已拉开序幕，来自世界各地的顶尖 AI 开发者齐聚美国加州圣何塞会议中心，共同探索行业未来。作为去年被 NVIDIA CEO 黄仁勋提及的向量数据库厂商，Zilliz 今年主要以主题演讲的形式参与其中。Zilliz 创始人兼 CEO 星爵、Zilliz 合伙人及研发 VP 栾小凡、Zilliz AI 和机器学习负责人 Frank Liu 均将在 GTC 不同的环节进行分享。不止如此，Zilliz 还
博客
用户案例｜向量引擎在携程酒店搜索中的应用场景和探索
03-14 989
然而，这种方法存在一定的局限性。针对于 Milvus 数据库的部署模块，集群部署方式需要部署以下 8 个组件，分别是访问代理层（proxy）、协调节点(Root coordinator，Query coordinator ，Data coordinator，Index coordinator)和执行节点(Query node，Data node，Index node)。常规的解决方案是添加同义词"好莱坞"和"荷里活"之间的关联，例如将"荷里活"作为"好莱坞"的别名，并在商区实体维护中进行相应的标注。
博客
如何用 RAG 技术玩转文档问答？Milvus × 网易有道 QAnything 为你揭秘！
03-12 213
用户的任何内容，以任意的形式存在，比如各种格式的文档、音频、数据库等，都可以在 QAnything 的支持下，变成可以针对其内容进行问答的使用方式。Zilliz AI 初创计划是面向 AI 初创企业推出的一项扶持计划，预计提供总计 1000 万元的 Zilliz Cloud 抵扣金，致力于帮助 AI 开发者构建高效的非结构化数据管理系统，助力打造高质量 AI 服务与运用，加速产业落地。RAG 和向量数据库的结合，能够有效解决幻觉、时效性差、专业领域知识不足等阻碍大模型应用的核心问题。
博客
客户案例｜100M 768 维向量数据，Zilliz Cloud 稳定支持 Shulex VOC 业
03-11 657
而 Zilliz Cloud 使得大模型能够快速有效地检索和处理大量的向量数据，实时召回知识，稳定支撑 Shulex VOC 智能客服业务每秒 90 次的客户询问，稳定召回率在 98% 以上，据统计，Shulex 智能客服机器人已经可以承担 80% 以上的客服工作。数据分析成本降低 50%：由于无需将所有的商品评论信息通过大模型进行分析来获取评论标签，仅需要基于评论原文与向量数据库，实时召回评论标签即可生成高质量标签，去除了对大模型的依赖，极大的降低了评论数据分析的成本。
博客
客户案例｜100M 768 维向量数据，Zilliz Cloud 稳定支持 Shulex VOC 业务场景
03-11 306
日前，国际化 VOC SaaS 公司数里行间（Shulex）将上亿数据量的核心业务从开源向量数据库 Milvus 迁移至全托管的向量数据库云服务 Zilliz Cloud。相比于 Milvus，Zilliz Cloud 实现了 Shulex VOC 评论分析洞察报告生成速度 30% 的提升，VOC 智能客服召回率 98%，且系统稳定，0 宕机，大大降低了企业在向量数据库的运维成本。01.从内卷到出...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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