云开体育Milvus举座架构- 云原生溜达式架构-开云平台皇马赞助商(中国)官方入口

今天共享的是：高妙：⾯向⽣成式AI的向量数据库：架构，性能与夙昔趋势

证实觉得：36页

本文主要先容了面向生成式AI的向量数据库，包括其布景、Milvus举座架构想象、性能要害 - 索引以及面向AI的捏续进化等方面。

向量数据库布景

- 向量数据：由深度学习模子将非结构化数据悠扬而来的高维向量。

- 向量检索：找到离查询向量最近的K条向量，距离筹画取决于模子界说的Metric。

- 向量数据库：专为存储和查询高维向量数据优化的系统，在AI 1.0时间已普通诓骗，如今在RAG中动作存储牵记体增强LLM效果有关性。

Milvus举座架构

- 云原生溜达式架构，含Proxy、Query、Data、Index等组件，具有庞大断绝性、精致推广性、天真数据惩处和增量更新才略。

- 及时性与性能量度，通过growing和sealed segment及异步compaction等优化查询。

- 相沿批量写入和全局索引，Zilliz Cloud提供向量数据库即办事，有多种版块适配不同需乞降部署环境。

性能要害 - 索引

主流索引各有特质，Knowhere引擎集成多种算法，包括FLAT、IVF、Product quantization、HNSW、DISKANN、GPU cagra等，遴选需笼统推敲cost、accuracy和performance，Zilliz Cloud生意版索引引擎cardinal有更多优化。

面向AI捏续进化

- Sparse vector：索取要害词信息，在特定数据上上风显着。

- Hybrid search：相沿多向量多模态存储和检索，可从更多维度调回和rerank。

- Grouping search：通过doc维度团员搜索，得志用户更复杂需求。

- 愈加易用：Milvus后续将提供调用第三方模子转向量才略，便于用户平直使用非结构化数据。

以下为证实节选实质