Was ist neu in Milvus Version 2.2.5
Was ist neu in Milvus Version 2.2.5
Wir freuen uns, im Namen der Milvus-Community die Veröffentlichung von Milvus 2.2.5 bekannt zu geben. Die Version 2.2.5 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#225
- 🐳 Docker Image: docker pull
- 🚀 Release: https://github.com/milvus-io/milvus/releases/tag/v2.2.5
Eines der Highlights dieser Version ist die Anwendung eines Sicherheitsfixes für MinIO (MinIO CVE-2023-28432) durch die Aktualisierung auf die neueste MinIO-Version (RELEASE.2023-03-20T20-16-18Z). Darüber hinaus wurden mehrere Verbesserungen hinzugefügt, darunter die folgende Funktion:
- First/Random-Replika-Auswahlrichtlinie — Diese First/Random-Replika-Auswahlrichtlinie wählt Replikate im Round-Robin-Verfahren aus. Wenn das zuerst ausgewählte Replikat fehlschlägt, wählt die Richtlinie nach dem Zufallsprinzip ein anderes Replikat für den Vorgang aus, wodurch der Durchsatz verbessert wird, indem die für den Abschluss benötigte Zeit reduziert wird.
Bitte beachten Sie, dass die Version Milvus 2.2.5 mehrere Fehlerbehebungen und Leistungsverbesserungen enthält. Weitere Details finden Sie daher in den Release Notes.
Zusammenfassung
Zusätzlich zu allen oben aufgeführten Funktionen enthält Milvus 2.2.5 mehrere Fehlerbehebungen und Verbesserungen. Um mehr zu erfahren:
Die vollständige Liste der Änderungen finden Sie in den Release Notes für Version 2.2.5 Download Milvus und erste Schritte
Weiterlesen

Introducing Business Critical Plan: Enterprise-Grade Security and Compliance for Mission-Critical AI Applications
Discover Zilliz Cloud’s Business Critical Plan—offering advanced security, compliance, and uptime for mission-critical AI and vector database workloads.

How to Use Anthropic MCP Server with Milvus
MCP + Milvus: Streamline AI agent development with standardized data access, eliminating integration hassles while enhancing context and flexibility.

Optimizing Embedding Model Selection with TDA Clustering: A Strategic Guide for Vector Databases
Discover how Topological Data Analysis (TDA) reveals hidden embedding model weaknesses and helps optimize vector database performance.



