Milvus是一個開源的矢量數據庫，為人工智能應用和嵌入的相似性搜索提供動力，Milvus使非結構化數據搜索更容易獲得，并提供一致的用戶體驗，無論部署環境如何。

軟件特色

全面的相似度指標

Milvus 支持各種常用的相似度計算指標，包括歐氏距離、內積、漢明距離和杰卡德距離等。您可以根據應用需求來選擇最有效的向量相似度計算方式。

業界領先的性能

Milvus 基于高度優化的 Approximate Nearest Neighbor Search (ANNS) 索引庫構建，包括 faiss、 annoy、和 hnswlib 等。您可以針對不同使用場景選擇不同的索引類型。

動態數據管理

您可以隨時對數據進行插入、刪除、搜索、更新等操作而無需受到靜態數據帶來的困擾。

近實時搜索

在插入或更新數據之后，您可以幾乎立刻對插入或更新過的數據進行搜索。Milvus 負責保證搜索結果的準確率和數據一致性。

高成本效益

Milvus 充分利用現代處理器的并行計算能力，可以在單臺通用服務器上完成對十億級數據的毫秒級搜索。

支持多種數據類型和高級搜索

Milvus 的數據記錄中的字段支持多種數據類型。您還可以對一個或多個字段使用高級搜索，例如過濾、排序和聚合。

高擴展性和可靠性

您可以在分布式環境中部署 Milvus。如果要對集群擴容或者增加可靠性，您只需增加節點。

云原生

您可以輕松在公有云、私有云、或混合云上運行 Milvus。

簡單易用

Milvus 提供了易用的 Python、Java、Go 和 C++ SDK，另外還提供了 RESTful API。

更新日志

新功能

#4564支持在get_entity_by_id()方法調用中指定分區。

#4806 支持在delete_entity_by_id()方法的調用中指定分區。

#4905 增加了release_collection()方法，從緩存中卸載一個特定的集合。

改進之處

#4756 提高了get_entity_by_id()方法調用的性能。

#4856 將hnswlib升級到v0.5.0。

#4958提高了IVF索引訓練的性能。

修復的問題

#4778 在Mishards中訪問向量索引失敗。

#4797 合并具有不同topK參數的搜索請求后，系統返回錯誤結果。

#4838 服務器不會立即響應空集合上的索引構建請求。

#4858 對于支持GPU的Milvus，系統在有大topK（> 2048）的搜索請求時崩潰。

#4862 一個只讀的節點在啟動過程中會合并片段。

#4894 布隆過濾器的容量不等于它所屬段的行數。

#4908 在放棄一個集合后，GPU緩存沒有被清理。

#4933 系統需要很長時間才能為一個小段建立索引。

#4952 未能將時區設置為 "UTC + 5:30"。

#5008 在連續、并發的刪除、插入和搜索操作中，系統隨機崩潰。

#5010 對于支持GPU的Milvus，如果nbits≠8，在IVF_PQ上查詢失敗。

#5050 get_collection_stats()對仍在建立索引過程中的段返回錯誤的索引類型。

#5063 當一個空段被刷新時，系統會崩潰。

#5078 對于支持GPU的Milvus，在2048、4096或8192維度的向量上創建IVF索引時系統崩潰。