Blog
Was ist neu in Milvus 2.2.3

Was ist neu in Milvus 2.2.3

Feb 28, 20231 min read

Wir freuen uns, im Namen der Milvus-Community die Veröffentlichung von Milvus 2.2.3 bekannt zu geben. Die Version 2.2.3 enthält einige neue Funktionen und viele Verbesserungen. Dieser Blogbeitrag hebt einige der wichtigsten Funktionen hervor. Eine vollständige Liste der Änderungen finden Sie in den Release Notes.

📦 PyPI: https://pypi.org/project/milvus/
📚 Docs: https://milvus.io/docs
🛠️ Release Notes: https://milvus.io/docs/release_notes.md#223
🐳 Docker Image: docker pull milvusdb/milvus
🚀 Release: https://github.com/milvus-io/milvus/releases/tag/v2.2.3

Eines der Highlights dieser Version ist die Einführung der Unterstützung für Rolling Upgrades, eine wesentliche Fähigkeit hochverfügbarer Systeme. Ein Rolling Upgrade ermöglicht es Ihnen, Milvus ohne spürbare Dienstunterbrechung und mit minimaler Ausfallzeit zu aktualisieren. Passend zum HA-Thema enthält diese Version außerdem die Funktion Coordinator High Availability (HA), die es Milvus-Koordinatoren ermöglicht, im Active-Standby-Modus zu arbeiten und eine kurze Wiederherstellungszeit nach Ausfällen von höchstens 30 Sekunden sicherzustellen.

Darüber hinaus wurden mehrere Verbesserungen zu den folgenden Funktionen hinzugefügt:

Bulk-insert
Reduzierung der Speichernutzung
Optimierung der Überwachungsmetriken
Leistungsverbesserungen für Meta-Speicher

Bitte beachten Sie, dass Milvus 2.2.3 auch eine Breaking Change enthält, bei der die maximale Anzahl von Feldern in einer Collection von 256 auf 64 reduziert wurde (#22030).

Zusammenfassung Zusätzlich zu allen oben aufgeführten Funktionen enthält Milvus 2.2.3 mehrere Fehlerbehebungen und Verbesserungen. Um mehr zu erfahren:

Lesen Sie die Release Notes für Version 2.2.3 für die vollständige Liste der Änderungen
Laden Sie Milvus herunter und legen Sie los

Aktualisiert am Sep 16, 2026

Chris Churilo
Chris Churilo is the VP of Marketing & Community at Zilliz where she leads all community, developer relations, and marketing efforts. Prior to Zilliz, Chris was a founding member of the InfluxData’s go to market efforts and helped propel the time series database platform to dominance in the market. In earlier roles she defined and designed a SaaS monitoring solution at Centroid, and prior to that she was the VP of product management at iPass and was the LOB for several cloud services that required her to track the business and operational metrics and analytics to help identify and resolve issues.

Weiterlesen

What Is a Vector Lakebase?

A Vector Lakebase is a unified, lake-native data architecture for AI that combines vector-database-grade serving with open lake storage, reusable lake-level indexes, and a shared semantic layer.

Vector Lakebase: End the AI Data Silo

Learn how Vector Lakebase unifies vector search, data lakes, and AI data operations so teams can serve RAG and agents without copy-and-sync pipelines.

A Developer's Guide to Exploring Milvus 2.6 Features on Zilliz Cloud

Milvus 2.6 marks a shift from “vector search + glue code” to a more advanced retrieval engine, and it is now Generally Available (GA) on Zilliz Cloud (a managed Milvus service).