向量數據庫是大模型應用開發必備組件之一，因為它知識庫、語義搜索、檢索增強生成（RAG）等人工智能應用中發揮著舉足輕重的作用。但向量數據有很多，為什么要使用 Milvus 呢？

常見向量數據

常見的向量數據庫有以下這些：

• Chroma
• Elasticsearch
• Milvus
• Neo4j
• OpenSearch
• Redis
• PGVector

然而目前市面上使用最多的向量數據庫還是 Milvus，為什么呢？

這點從企業的招聘要求中也能發現：

為什么是 Milvus？

Milvus 設計之初就是為 AI  而生的一個高效的向量數據庫系統，在大多數情況下，Milvus 的性能是其他向量數據庫的 2-5 倍，它能實現萬億級向量的毫秒級相似性搜索，而且 Milvus 還是開源的向量數據庫。

“

PS：也就說 Milvus 既開源（可以免費使用+支持二次開發）又具備高性能，這樣的數據庫誰不愛呢？

為什么 Milvus 這么快？

Milvus 運行比較快的原因有以下幾個：

• 硬件感知優化：為了讓 Milvus 適應各種硬件環境，我們專門針對多種硬件架構和平臺優化了其性能，包括 AVX512、SIMD、GPU 和 NVMe SSD。
• 高級搜索算法：Milvus 支持多種內存和磁盤索引/搜索算法，包括 IVF、HNSW、DiskANN 等，所有這些算法都經過了深度優化。與 FAISS 和 HNSWLib 等流行實現相比，Milvus 的性能提高了 30%-70%。
• C++ 搜索引擎：向量數據庫性能的 80% 以上取決于其搜索引擎。由于 C++ 語言的高性能、底層優化和高效資源管理，Milvus 將 C++ 用于這一關鍵組件。最重要的是，Milvus 集成了大量硬件感知代碼優化，從匯編級向量到多線程并行化和調度，以充分利用硬件能力。
• 面向列：Milvus 是面向列的向量數據庫系統。其主要優勢來自數據訪問模式。在執行查詢時，面向列的數據庫只讀取查詢中涉及的特定字段，而不是整行，這大大減少了訪問的數據量。此外，對基于列的數據的操作可以很容易地進行向量化，從而可以一次性在整個列中應用操作，進一步提高性能。

Milvus 支持的搜索類型

Milvus 支持各種類型的搜索功能，以滿足不同用例的需求：

• ANN 搜索：查找最接近查詢向量的前 K 個向量。
• 過濾搜索：在指定的過濾條件下執行 ANN 搜索。
• 范圍搜索：查找查詢向量指定半徑范圍內的向量。
• 混合搜索：基于多個向量場進行 ANN 搜索。
• 全文搜索：基于 BM25 的全文搜索。
• Rerankers：根據附加標準或輔助算法調整搜索結果順序，完善初始 ANN 搜索結果。
• 根據主鍵檢索數據。
• 查詢使用特定表達式檢索數據。

Milvus 安裝

Milvus 有三種部署方式：

• Milvus Lite：Milvus Lite 是一個 Python 庫，可導入到您的應用程序中。作為 Milvus 的輕量級版本，它非常適合在 Jupyter 筆記本或資源有限的智能設備上運行快速原型。Milvus Lite 支持與 Milvus 其他部署相同的 API。與 Milvus Lite 交互的客戶端代碼也能與其他部署模式下的 Milvus 實例協同工作。
• Milvus Standalone：Milvus Standalone 是單機服務器部署。Milvus Standalone 的所有組件都打包到一個 Docker 鏡像中，部署起來非常方便。
• Milvus Distributed：Milvus Distributed 可部署在 Kubernetes 集群上。這種部署采用云原生架構，攝取負載和搜索查詢分別由獨立節點處理，允許關鍵組件冗余。它具有最高的可擴展性和可用性，并能靈活定制每個組件中分配的資源。Milvus Distributed 是在生產中運行大規模向量搜索系統的企業用戶的首選。

“

PS：當然中小型公司生產環境也可以直接購買 XXX 云的 Milvus 實例直接使用。

我們這里使用 Milvus Standalone 單機版部署方式。

硬件要求

前提條件

• 安裝 Docker Desktop：點擊下載軟件安裝 https://www.docker.com/get-started/

• 安裝之后，需要重啟電腦，并且電腦會進行 Linux 子系統更新才能正常啟動，此過程可能會比較慢。
• 安裝 Windows Subsystem for Linux 2 (WSL 2)：通常不需要單獨安裝，安裝 Docker Desktop 時會自動安裝。

正式安裝

1.打開 PowerShell。

2.下載安裝腳本，命令如下：

Invoke-WebRequest https://raw.githubusercontent.com/milvus-io/milvus/refs/heads/master/scripts/standalone_embed.bat -OutFile standalone.bat

3.運行下載的腳本

standalone.bat start

最終執行效果如下：

運行安裝腳本后，包含以下內容：

• 名為 Milvus-standalone 的 docker 容器已在19530 端口啟動。
• 嵌入式 etcd 與 Milvus 安裝在同一個容器中，服務端口為 2379。其配置文件被映射到當前文件夾中的 embedEtcd.yaml。
• Milvus 數據卷映射到當前文件夾中的 volumes/milvus。

在 Docker Desktop 也可以看到安裝的 Milvus 相關組件：

參考官方文檔：https://milvus.io/docs/zh/install_standalone-windows.md

安裝 UI 客戶端

Milvus 服務安裝成功之后，可以按照一個 UI 客戶端連接 Milvus 服務，使用官方提供的客戶端 attu：https://github.com/zilliztech/attu

具體安裝步驟如下：

1.訪問下載安裝包（attu-Setup-2.4.12.exe）地址：https://github.com/zilliztech/attu/releases/tag/v2.4.12

2.解壓并安裝 attu。

安裝成功之后連接本地 Milvus 服務，如下圖所示：

小結

Milvus 作為開源高性能向量數據庫的代表，它的安裝也不難，如果順利的情況下，可能 5 分鐘左右就搞定了。安裝完成之后就用它加上 Spring AI 或 LangChain4j 來實現一下 RAG 功能吧。