Milvus版本

Milvus是一个高性能、可扩展的向量数据库，支持各种规模的用例，从在Jupyter Notebooks中本地运行的演示到处理数百亿向量的大规模Kubernetes集群。目前，Milvus提供三种部署选项：Milvus Lite、Milvus Standalone和Milvus Distributed。

一、Milvus Lite

Milvus Lite是一个Python库，可以导入到你的应用程序中。作为Milvus的轻量级版本，它非常适合在 Jupyter Notebooks中快速原型设计，或者在资源有限的智能设备上运行。Milvus Lite支持的API与其他Milvus部署相同。与Milvus Lite交互的客户端代码也可以与其他部署模式下的Milvus实例一起工作。

要将Milvus Lite集成到应用程序中，请运行以安装它，并使用语句实例化一个包含所有数据的本地文件。

!pip install pymilvus
from milvus import MilvusClient
milvus_client = MilvusClient("./demo.db")

二、Milvus Standalone

Milvus Standalone是一个单机服务器部署。Milvus Standalone的所有组件都打包在一个Docker镜像中，方便部署。如果你有生产工作负载，但不喜欢使用Kubernetes，那么在内存充足的单机上运行Milvus Standalone是个不错的选择。此外，Milvus Standalone通过主从复制支持高可用性。

三、Milvus Distributed

Milvus Distributed可以部署在Kubernetes集群上。此部署采用云原生架构，其中引入负载和搜索查询由隔离节点单独处理，从而为关键组件提供冗余。它提供了最高的可扩展性和可用性，以及自定义每个组件中分配的资源的灵活性。Milvus Distributed是企业用户在生产环境中运行大规模向量搜索系统的首选。

四、如何选择Milvus版本

1、小规模生产

对于前期生产来说，当项目仍在寻求产品与市场的契合度，敏捷性比可扩展性更重要时，MilvusStandalone是最好的选择。如果有足够的机器资源，它仍然可以扩展到100M向量，同时与维护K8s集群相比，它需要的DevOps要少得多。

2、大规模生产

随着业务快速增长，数据规模超过单台服务器的容量，是时候考虑使用Milvus Distributed了。为了方便起见，可以继续使用Milvus Standalone进行开发或暂存环境，并操作运行Milvus Distributed的 K8s 集群。这使能够处理数百亿个向量，并为特定工作负载定制节点大小提供了灵活性，例如高读取、不频繁写入或高写入、低读取情况。

3、边缘设备上的本地搜索

对于边缘设备上的私有或敏感搜索，可以在设备上部署Milvus Lite，而无需依赖基于云的服务进行文本或图像搜索。这适用于专有文档搜索或设备上对象检测等情况。

Milvus部署模式的选择取决于项目阶段和规模。Milvus为各种需求提供了灵活而强大的解决方案，从快速原型设计到大规模企业部署。

• Milvus Lite：推荐用于较小的数据集，最多几百万个向量；
• Milvus Standalone：适用于中等规模的数据集，可扩展至 1 亿向量；
• Milvus Distributed：专为大规模部署而设计，能够处理 1 亿到数百亿向量的数据集。

五、功能比较