milvus-io/milvus：云原生高性能向量数据库3.0

一、官方信息

二、项目背景

随着大模型与多模态应用爆发，"向量"成了一类核心数据——文本 embedding、图片特征、音频指纹都需要存储和检索。传统关系数据库并不擅长十亿级、高维向量的相似度近邻搜索（ANN），而自己手写 HNSW / IVF 索引又要处理数据分片、持久化、容错等一堆工程问题。

Milvus 由 Zilliz（智源）团队开源，是目前 GitHub 上 star 数最高的向量数据库之一，CNCF 毕业项目。它采用存算分离的云原生架构：计算节点（Query / Data / Index Node）无状态可水平扩展，元数据和日志依赖 etcd / MinIO / Pulsar（或轻量版 RocksDB / Local Storage）。Milvus 3.0 进一步引入了 "Attu" 可视化、多向量 / 多模态混合检索、GPU 索引加速等能力，广泛用于推荐系统、RAG、图像搜索、分子筛选等场景。

对个人和小团队，Milvus 提供了 Milvus Standalone（单机版，一个 compose 文件起全套）和更轻量的 Milvus Lite（嵌入式 pip 包）；对生产环境则有分布式集群版。本指南重点覆盖单机 Docker Compose 部署，这也是"若琳部署"系列最常用的方式。

三、核心特性

• 十亿级向量扩展：存算分离架构，计算节点可按需水平扩缩容。
• 丰富索引类型：HNSW、IVF_FLAT、IVF_PQ、DiskANN、GPU_CAGRA 等十余种索引。
• 混合检索：标量过滤 + 向量相似度 + 全文 / 稀疏向量联合排序（Hybrid Search）。
• 多租户：支持 database / collection 多级隔离，适合 SaaS。
• 生态完善：官方 SDK 覆盖 Python / Java / Go / Node.js，原生对接 LangChain、LlamaIndex。
• 可视化管理：配套 Attu 图形界面，可浏览数据、执行查询、监控集群。
• Milvus Lite：pip 即可嵌入 Python 进程，适合原型开发与测试。

四、环境要求

• 操作系统：Ubuntu 20.04/22.04、CentOS 7+、macOS 12+。
• Docker 20.10+ 与 Docker Compose v2。
• 硬件：单机版建议 4 核 8GB 内存、10GB 磁盘；向量量大时按需加内存与 SSD。
• 端口：默认 19530（gRPC）、9091（指标）；Attu 另占 8000。

五、详细部署步骤

方式一：Milvus Standalone（Docker Compose，推荐）

下载官方 compose 文件：

cd /opt
wget https://github.com/milvus-io/milvus/releases/download/v2.4.0/milvus-standalone-docker-compose.yml -O docker-compose.yml

直接启动：

sudo docker compose up -d

启动后会拉起 4 个容器：

• milvus-standalone：主服务，暴露 19530。
• etcd：存储元数据。
• minio：存储向量与索引文件。
• pulsar：消息队列（轻量 standalone 版也可使用 RocksDB 替代）。

查看状态：

sudo docker compose ps
# 健康检查
curl http://localhost:9091/healthz

方式二：Milvus Lite（嵌入式，开发测试）

pip install -U pymilvus

from pymilvus import MilvusClient

# 直接本地文件模式，无需起任何服务
client = MilvusClient("./milvus_demo.db")

client.create_collection(
    collection_name="demo",
    dimension=128,
)

data = [{"id": i, "vector": [0.1] * 128, "text": f"item {i}"} for i in range(100)]
client.insert(collection_name="demo", data=data)

res = client.search(collection_name="demo", data=[[0.1]*128], limit=3)
print(res)

方式三：安装 Attu 可视化界面

docker run -d --name attu \
  -p 8000:3000 \
  -e MILVUS_URL=host.docker.internal:19530 \
  zilliz/attu:latest

浏览器访问 http://服务器IP:8000，Milvus Address 填 host.docker.internal:19530（或宿主机内网 IP）即可登录，无需账号密码。

方式四：Python SDK 连接与建集合

pip install pymilvus

from pymilvus import connections, utility, Collection, CollectionSchema, FieldSchema, DataType

connections.connect(host="127.0.0.1", port="19530")

fields = [
    FieldSchema(name="id", dtype=DataType.INT64, is_primary=True, auto_id=True),
    FieldSchema(name="vector", dtype=DataType.FLOAT_VECTOR, dim=768),
    FieldSchema(name="text", dtype=DataType.VARCHAR, max_length=512),
]
schema = CollectionSchema(fields, description="RAG 文档块")
col = Collection("rag_chunks", schema)

# 创建 HNSW 索引
index_params = {
    "index_type": "HNSW",
    "metric_type": "COSINE",
    "params": {"M": 16, "efConstruction": 200},
}
col.create_index("vector", index_params)
col.load()

验证部署

python -c "from pymilvus import connections; connections.connect(host='127.0.0.1', port='19530'); print(connections.get_connection().list_collections())"

六、使用方法

1. 默认连接地址：http://服务器IP:19530，无默认账号密码（单机版）。
2. 用 Attu（8000 端口）可视化建 Collection、导入数据、跑向量查询。
3. 在 RAG 框架中作为 Vector Store：LangChain 用 Milvus 类，LlamaIndex 用 MilvusVectorStore。
4. 常用命令：docker compose down 停止，docker compose up -d 启动，数据持久化在当前目录 volumes/。

七、常见问题 FAQ

Q1：容器启动后一直 unhealthy？
A：多半是内存不足。Standalone 建议至少 8GB 内存；虚拟机里跑不动可改用 Milvus Lite。也可用 docker logs milvus-standalone 看具体报错。

Q2：19530 端口连不上？
A：检查防火墙 / 安全组；Docker Desktop on Mac/Windows 用 host.docker.internal，Linux 用宿主机内网 IP。

Q3：数据存在哪里？会不会丢？
A：compose 目录下的 volumes/（etcd、minio、milvus）做了持久化映射，删容器不丢数据；删除 volumes 才会清库。

Q4：选 HNSW 还是 IVF_FLAT？
A：数据量百万级以内、追求低延迟选 HNSW；千万级以上、内存敏感选 IVF_FLAT / IVF_PQ；超大数据量上 DiskANN。

Q5：如何备份？
A：直接打包 volumes/ 目录即可；生产环境推荐用 Milvus BackUp 工具或对 MinIO 做快照。

八、跳转链接

• GitHub 仓库：https://github.com/milvus-io/milvus
• 官方文档：https://milvus.io/docs
• Standalone Compose：docker-compose.yml
• Attu 可视化：https://github.com/zilliztech/attu
• PyMilvus：https://pypi.org/project/pymilvus/