强大的向量数据库：Milvus

男娘i 2022-09-09 13:58 764阅读 0赞

![请添加图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5oiR5bCx566X6aW_5q275Lmf5LiN5YGa56iL5bqP5ZGY_size_20_color_FFFFFF_t_70_g_se_x_16]  
在推荐系统中，向量的最邻近检索是极为关键的一步，特别是在召回流程中。一般常用的如Annoy、faiss都可以满足大部分的需求，今天再来介绍另外一个：**Milvus**

# Milvus #

Milvus不同于Annoy、faiss这类型的向量检索工具，它更是一款开源向量数据库，赋能 AI 应用和向量相似度搜索。

## 涉及的术语 ##

1.  **Filed**：类似表字段，可以是结构化数据，当然还可以是向量；
2.  **Entity**：一组Filed，类似表的一条数据；
3.  **Collection**：一组Entity，类似于表；

## 亮点 ##

1.  Milvus不单单是向量检索工具，而是向量数据库，能对不同业务的向量隔离，分开存储；
2.  提供可视化管理工具；
3.  支持带过滤条件的向量混合检索。

## 前言提示 ##

本文介绍的是官方最新版本`2.0.0rc4`：https://milvus.io/cn/docs/v2.0.0/home，因为新增了许多强大的功能，所以尝鲜实验了一把。但2.x还在迭代中，并不是稳定版本。实验后，也发现存在一些问题，如有时无法查询，而1.x则不存在这些问题。

所以，大家实际使用最好是用最新的稳定版本`1.1.1`，不过缺少一些功能。https://milvus.io/cn/docs/v1.1.1/home

具官网表明，2.x的稳定版本也即将上线，到时再更新2.X版本投入生产环境。

<table> 
 <thead> 
  <tr> 
   <th align="left"></th> 
   <th align="left">Milvus 2.0</th> 
   <th>Milvus 1.x</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td align="left">架构</td> 
   <td align="left">云原生</td> 
   <td>共享存储</td> 
  </tr> 
  <tr> 
   <td align="left">可扩展性</td> 
   <td align="left">500+ 个节点</td> 
   <td>1 - 32 个读节点，1 个写节点</td> 
  </tr> 
  <tr> 
   <td align="left">持久性</td> 
   <td align="left">对象存储 (OSS)、分布式文件系统 (DFS)</td> 
   <td>本地磁盘、网络文件系统 (NFS)</td> 
  </tr> 
  <tr> 
   <td align="left">可用性</td> 
   <td align="left">99.9%</td> 
   <td>99%</td> 
  </tr> 
  <tr> 
   <td align="left">数据一致性</td> 
   <td align="left">多种一致性StrongBounded StalenessSessionConsistent prefix</td> 
   <td>最终一致</td> 
  </tr> 
  <tr> 
   <td align="left">数据类型支持</td> 
   <td align="left">向量数据标量数据字符串与文本 (开发中)</td> 
   <td>向量数据</td> 
  </tr> 
  <tr> 
   <td align="left">基本操作</td> 
   <td align="left">插入数据删除数据 (开发中)、数据查询相似最邻近（ANN）、搜索基于半径的最近邻算法（RNN） (开发中)</td> 
   <td>插入数据删除数据相似最邻近（ANN）搜索</td> 
  </tr> 
  <tr> 
   <td align="left">高级功能</td> 
   <td align="left">标量字段过滤Time Travel多云/地域部署数据管理工具</td> 
   <td>MishardsMilvus DM 数据迁移工具</td> 
  </tr> 
  <tr> 
   <td align="left">索引类型</td> 
   <td align="left">Faiss、Annoy、Hnswlib、RNSG、ScaNN (开发中)、On-disk index (开发中)</td> 
   <td>Faiss、Annoy、Hnswlib、RNSG</td> 
  </tr> 
  <tr> 
   <td align="left">SDK</td> 
   <td align="left">PythonGo (开发中)Java (开发中)RESTful (开发中)C++ (开发中)</td> 
   <td>Python、Java、Go、RESTful、C++</td> 
  </tr> 
  <tr> 
   <td align="left">当前状态</td> 
   <td align="left">预览版本。预计 2021 年 8 月发布稳定版本。</td> 
   <td>长期支持（LTS）版本</td> 
  </tr> 
 </tbody> 
</table>

# Docker安装 #

安装milvus之前：[docker安装][docker]

如果安装了docker，但没有docker-compose的话，可以通过pip进行安装。https://docs.docker.com/compose/install/

pip install docker-compose

# 单机版安装 #

这里介绍docker的安装方式，官方还提供了[使用Kubernetes安装][Kubernetes]

1.  **下载docker镜像文件**
    
        wget https://raw.githubusercontent.com/milvus-io/milvus/ecfebff801291934a3e6c5955e53637b993ab41a/deployments/docker/standalone/docker-compose.yml -O docker-compose.yml
    
    没办法翻墙的可以自己新建**docker-compose.yml**文件，然后填入以下内容：
    
        version: '3.5'
        
        services:
          etcd:
            container_name: milvus-etcd
            image: quay.io/coreos/etcd:v3.5.0
            volumes:
              - ${ DOCKER_VOLUME_DIRECTORY:-.}/volumes/etcd:/etcd
            command: etcd -advertise-client-urls=http://127.0.0.1:2379 -listen-client-urls http://0.0.0.0:2379 --data-dir /etcd
        
          minio:
            container_name: milvus-minio
            image: minio/minio:RELEASE.2020-12-03T00-03-10Z
            environment:
              MINIO_ACCESS_KEY: minioadmin
              MINIO_SECRET_KEY: minioadmin
            volumes:
              - ${ DOCKER_VOLUME_DIRECTORY:-.}/volumes/minio:/minio_data
            command: minio server /minio_data
            healthcheck:
              test: ["CMD", "curl", "-f", "http://localhost:9000/minio/health/live"]
              interval: 30s
              timeout: 20s
              retries: 3
        
          standalone:
            container_name: milvus-standalone
            image: milvusdb/milvus:v2.0.0-rc4-20210811-bdb8396
            command: ["milvus", "run", "standalone"]
            environment:
              ETCD_ENDPOINTS: etcd:2379
              MINIO_ADDRESS: minio:9000
            volumes:
              - ${ DOCKER_VOLUME_DIRECTORY:-.}/volumes/milvus:/var/lib/milvus
            ports:
              - "19530:19530"
            depends_on:
              - "etcd"
              - "minio"
        
        networks:
          default:
            name: milvus
2.  **拉取镜像并启动**

docker-compose up -d

这条是启动命令，第一次运行时需要联网拉取以下三个镜像：  
![请添加图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5oiR5bCx566X6aW_5q275Lmf5LiN5YGa56iL5bqP5ZGY_size_20_color_FFFFFF_t_70_g_se_x_16 1]

启动的服务默认端口是19530，包括以下三个docker容器：  
![请添加图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5oiR5bCx566X6aW_5q275Lmf5LiN5YGa56iL5bqP5ZGY_size_20_color_FFFFFF_t_70_g_se_x_16 2]

# 分布式版安装 #

https://milvus.io/cn/docs/v2.0.0/install\_cluster-docker.md

# Python SDK #

## 安装依赖 ##

pip install pymilvus-orm==2.0.0rc4

官网说明最新版本需要python3.6以上，但实际测试，需要python3.8才能成功安装（主要是pandas的版本要求比较高）

## 连接milvus服务 ##

from pymilvus_orm import connections, FieldSchema, CollectionSchema, DataType, Collection
    
    # 连接milvus服务器
    connections.connect(host='localhost', port='19530')

\#\#创建collection

collection必须要有一个filed是主键，一个filed是存储向量，另外还可以创建其他类型的filed

field_name = "example_field"
    
    
    def create_collection():
        """ 创建集合collection :return: """
        collection_name = "example_collection"
        from pymilvus_orm import Collection, CollectionSchema, FieldSchema, DataType
        # 主键
        field_id = FieldSchema(name="field_id", dtype=DataType.INT64, is_primary=True, auto_id=True)
        # 向量检索的field
        field = FieldSchema(name=field_name, dtype=DataType.FLOAT_VECTOR, dim=8)
        cat_id = FieldSchema(name="cat_id", dtype=DataType.INT64)
        schema = CollectionSchema(fields=[field_id, field, cat_id], description="example collection")
    
        collection = Collection(name=collection_name, schema=schema)
        print(pymilvus_orm.utility.get_connection().has_collection(collection_name))
        print(pymilvus_orm.utility.get_connection().list_collections())
    
        return collection

collection还可以将数据存储在不同的分区。默认是有一个"Default partition"的分区，不指定分区的话，都会存储在default分区。

def create_partition(collection: Collection):
        """ 为collection创建分区 :param collection: :return: """
        partition_name = "example_partition"
        partition = collection.create_partition(partition_name)
    
        print(collection.partitions)
    
        print(collection.has_partition(partition_name))

## 插入数据 ##

插入数据可以根据实际需要，是否插入到特定的分区。

1.  当前版本数据格式只能是list，numpy的ndarray也不行；
2.  如果主键设置自增`auto_id=True`，则无需添加主键的值了；
3.  数据插入之后，它是存储在内存中，还需要将其传输到磁盘中，下次可以继续使用。

def insert(collection: Collection, partition_name=None):
        """ 插入数据 :param partition_name: 指定插入的分区 :param collection: :return: """
        # 由于主键field_id设置自增，所以无需插入
        mr = collection.insert([
            # 只能是list
            np.random.random([10000, 8]).tolist(),  # 向量
            np.random.randint(0, 10, [10000]).tolist()  # cat_id
        ], partition_name=partition_name)
        print(mr.primary_keys)
    
        # 插入的数据存储在内存，需要传输到磁盘
        pymilvus_orm.utility.get_connection().flush([collection.name])

## 创建索引 ##

为向量对应的filed创建索引，目的就是实现高效的向量邻近搜索。

目前支持的索引类型包括：  
![请添加图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5oiR5bCx566X6aW_5q275Lmf5LiN5YGa56iL5bqP5ZGY_size_20_color_FFFFFF_t_70_g_se_x_16 3]

def create_index(collection: Collection):
        """ 为向量检索的field 创建索引 :param collection: :return: """
        index_param = { 
            "metric_type": "L2",
            "index_type": "IVF_FLAT",
            "params": { "nlist": 1024}
        }
        collection.create_index(field_name=field_name, index_params=index_param)
        print(collection.index().params)

## 查询 ##

除了一般的向量搜索，milvus还支持带表达式的标量过滤功能。

例如下方代码中，就增加`expr="cat_id==2"`条件：即只在cat\_id为2的向量中进行检索（上面创建了名称为cat\_id的filed）。

但是目前还不支持字符串的过滤功能，官方后续会增加；

支持关系运算符（如==, >）、逻辑运算符(AND &&, OR ||)和IN运算符。

def search(collection: Collection, partition_name=None):
        """ 向量检索 :param collection: :param partition_name: 检索指定分区的向量 :return: """
        # 将collection加载到内存
        collection.load()
        search_params = { "metric_type": "L2", "params": { "nprobe": 10}}
        # 向量搜索
        result = collection.search(data=np.random.random([5, 8]).tolist(),
                                   anns_field=field_name, param=search_params, limit=10,
                                   partition_names=[partition_name] if partition_name else None)
        print(result[0].ids)
        print(result[0].distances)
    
        # 表达式：只检索cat_id为2的向量
        result = collection.search(data=np.random.random([5, 8]).tolist(),
                                   anns_field=field_name, param=search_params, limit=10,
                                   expr="cat_id==2")
        print(result[0].ids)
        print(result[0].distances)

## 删除数据 ##

目前支持以下三种删除操作

def drop(collection: Collection):
        # 删除collection
        collection.drop()
        # 删除索引
        collection.drop_index()
        # 删除分区
        collection.drop_partition("partition_name")

## 释放 ##

def release(collection: Collection = None):
        # 从内存中释放collection
        if collection:
            collection.release()
    
        # 断开与服务器的连接，释放资源
        connections.disconnect("default")

## 其他SDK ##

**1.x版本支持：**  
![请添加图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5oiR5bCx566X6aW_5q275Lmf5LiN5YGa56iL5bqP5ZGY_size_5_color_FFFFFF_t_70_g_se_x_16]

**2.x版本目前只有python，其他还在开发中**

# **可视化管理** #

milvus的强大之处，还在于它提供了可视化的管理工具。

也是以docker的形式进行安装和启动：

docker run -p 8000:3000 -e HOST_URL=http://{  your machine IP }:8000 -e MILVUS_URL={ your machine IP}:19530 milvusdb/milvus-insight:latest

**注意：这里的IP不能写localhost，否则可能会出现连接问题。**

1.  查看load到内存的collection  
    ![请添加图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5oiR5bCx566X6aW_5q275Lmf5LiN5YGa56iL5bqP5ZGY_size_20_color_FFFFFF_t_70_g_se_x_16 4]
2.  查看collection的结构和分区，还支持删除和导入操作  
    ![请添加图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5oiR5bCx566X6aW_5q275Lmf5LiN5YGa56iL5bqP5ZGY_size_20_color_FFFFFF_t_70_g_se_x_16 5]

![请添加图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5oiR5bCx566X6aW_5q275Lmf5LiN5YGa56iL5bqP5ZGY_size_20_color_FFFFFF_t_70_g_se_x_16 6]

1.  在线向量检索

![请添加图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5oiR5bCx566X6aW_5q275Lmf5LiN5YGa56iL5bqP5ZGY_size_20_color_FFFFFF_t_70_g_se_x_16 7]

# 后续功能 #

其实，到这里，milvus已经足够强大，但他们还在持续支持许多强大的新功能。  
![请添加图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5oiR5bCx566X6aW_5q275Lmf5LiN5YGa56iL5bqP5ZGY_size_20_color_FFFFFF_t_70_g_se_x_16 8]  
![请添加图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5oiR5bCx566X6aW_5q275Lmf5LiN5YGa56iL5bqP5ZGY_size_20_color_FFFFFF_t_70_g_se_x_16 9]  
![请添加图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5oiR5bCx566X6aW_5q275Lmf5LiN5YGa56iL5bqP5ZGY_size_20_color_FFFFFF_t_70_g_se_x_16 10]

[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5oiR5bCx566X6aW_5q275Lmf5LiN5YGa56iL5bqP5ZGY_size_20_color_FFFFFF_t_70_g_se_x_16]: /images/20220829/3c5f2c465ef544aa874a78f06a1f60d1.png
[docker]: https://docs.docker.com/engine/install/
[Kubernetes]: https://milvus.io/cn/docs/v2.0.0/install_standalone-helm.md
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5oiR5bCx566X6aW_5q275Lmf5LiN5YGa56iL5bqP5ZGY_size_20_color_FFFFFF_t_70_g_se_x_16 1]: /images/20220829/9bb0aed4346d4fd1a9290f828703d9e8.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5oiR5bCx566X6aW_5q275Lmf5LiN5YGa56iL5bqP5ZGY_size_20_color_FFFFFF_t_70_g_se_x_16 2]: /images/20220829/ee77b6d58f904f0dabbbf2a91187a94e.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5oiR5bCx566X6aW_5q275Lmf5LiN5YGa56iL5bqP5ZGY_size_20_color_FFFFFF_t_70_g_se_x_16 3]: /images/20220829/ee1190ed231948c4943b949d5707f16f.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5oiR5bCx566X6aW_5q275Lmf5LiN5YGa56iL5bqP5ZGY_size_5_color_FFFFFF_t_70_g_se_x_16]: /images/20220829/62c93b44a55e4d84aadf26ddb6f41742.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5oiR5bCx566X6aW_5q275Lmf5LiN5YGa56iL5bqP5ZGY_size_20_color_FFFFFF_t_70_g_se_x_16 4]: /images/20220829/5a59135fb100426da31a347471ef5586.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5oiR5bCx566X6aW_5q275Lmf5LiN5YGa56iL5bqP5ZGY_size_20_color_FFFFFF_t_70_g_se_x_16 5]: /images/20220829/8efa8839fc0047f9b4d9996438b9e75d.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5oiR5bCx566X6aW_5q275Lmf5LiN5YGa56iL5bqP5ZGY_size_20_color_FFFFFF_t_70_g_se_x_16 6]: /images/20220829/c41159f4f391420bbf32ff2b046be0fe.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5oiR5bCx566X6aW_5q275Lmf5LiN5YGa56iL5bqP5ZGY_size_20_color_FFFFFF_t_70_g_se_x_16 7]: /images/20220829/02bc7b927a3646ff912bf06d202b5517.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5oiR5bCx566X6aW_5q275Lmf5LiN5YGa56iL5bqP5ZGY_size_20_color_FFFFFF_t_70_g_se_x_16 8]: /images/20220829/d741622ce5134a4a801902152b7b5ac9.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5oiR5bCx566X6aW_5q275Lmf5LiN5YGa56iL5bqP5ZGY_size_20_color_FFFFFF_t_70_g_se_x_16 9]: /images/20220829/427735e40c8d4a6db00e04cc0ecd382b.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5oiR5bCx566X6aW_5q275Lmf5LiN5YGa56iL5bqP5ZGY_size_20_color_FFFFFF_t_70_g_se_x_16 10]: /images/20220829/d5b46b1ce0d544909babad9202932878.png