Gestiona tu base de datos vectorial Milvus con la simplicidad de un solo clic
Este artículo está escrito por Zhen Chen y traducido por Lichen Wang.
Zilliz ha sido pionero al dedicarse a capacitar a los usuarios frente a la demanda en rápido crecimiento de procesamiento de datos no estructurados. Zilliz ahora ha puesto en código abierto una interfaz gráfica de usuario - Attu - específicamente para Milvus 2.0, un sistema de base de datos vectorial orientado a la IA diseñado para escenarios de producción masiva. En este artículo, nos gustaría mostrarte paso a paso cómo realizar una búsqueda de similitud vectorial con Attu y Milvus 2.0.
Attu (/ ˈætu /) es una isla en el extremo oeste de las Islas Aleutianas. Este reino deshabitado simboliza un espíritu aventurero.
En comparación con Milvus CLI, que ofrece la máxima simplicidad de uso, Attu cuenta con más:
- Instaladores para Windows OS, macOS y Linux OS;
- GUI intuitiva para un uso más sencillo de Milvus;
- Cobertura de las principales funcionalidades de Milvus;
- Plugins para la expansión de funcionalidades personalizadas;
- Información completa de la topología del sistema para una comprensión y administración más sencillas de la instancia de Milvus.
Instalación
Puedes encontrar la versión más reciente de Attu en GitHub. Attu ofrece instaladores ejecutables para diferentes sistemas operativos. Es un proyecto de código abierto y da la bienvenida a contribuciones de todos.
Instaladores y código fuente de Attu.
También puedes instalar Attu mediante Docker.
docker run -p 8000:3000 -e HOST_URL=http://{ attu IP }:8000 -e MILVUS_URL={milvus server IP}:19530 zilliz/attu:latest
attu IP es la dirección IP del entorno donde se ejecuta Attu, y milvus server IP es la dirección IP del entorno donde se ejecuta Milvus.
Tras instalar Attu correctamente, puedes introducir la IP y el puerto de Milvus en la interfaz para iniciar Attu.
Conectar Milvus con Attu.
Descripción general de las funciones
Página de Overview de Attu.
La interfaz de Attu consta de la página Overview, la página Collection, la página Vector Search y la página System View, correspondientes respectivamente a los cuatro iconos del panel de navegación del lado izquierdo. La página Overview muestra las colecciones cargadas. Mientras que la página Collection enumera todas las colecciones e indica si están cargadas o liberadas.
Página de Collection de Attu.
Las páginas Vector Search y System View son plugins de Attu. Los conceptos y el uso de los plugins se presentarán en la parte final del blog.
Puedes realizar búsquedas de similitud vectorial en la página Vector Search.
Página de Vector Search de Attu.
En la página System View, puedes comprobar la estructura topológica de Milvus.
Página de System View de Attu.
También puedes comprobar la información detallada de cada nodo haciendo clic en el nodo.
Página de vista de nodo de Attu.
Demostración
Exploremos Attu con un conjunto de datos de prueba.
Consulta nuestro repo de GitHub para ver el conjunto de datos utilizado en la siguiente prueba.
Primero, crea una colección llamada test con los siguientes cuatro campos:
- Field Name: id, campo de clave primaria
- Field Name: vector, campo vectorial, vector float, Dimension: 128
- Field Name: brand, campo escalar, Int64
- Field Name: color, campo escalar, Int64
Crear una colección con Attu.
Carga la colección para la búsqueda después de que se haya creado correctamente.
Cargar la colección con Attu.
Ahora puedes comprobar la colección recién creada en la página Overview.
Comprobar la colección con Attu.
Importa el conjunto de datos de prueba en Milvus.
Importar datos con Attu.
Importar datos con Attu.
Importar datos con Attu.
Haz clic en el nombre de la colección en la página Overview o Collection para entrar en la interfaz de consulta y comprobar los datos importados.
Agrega un filtro, especifica la expresión id != 0, haz clic en Apply Filter y haz clic en Query.
Consultar datos con Attu.
Verás que las cincuenta entradas de entidades se importaron correctamente.
Resultado de la consulta.
Probemos la búsqueda por similitud vectorial.
Copia un vector de search_vectors.csv y pégalo en el campo Vector Value. Elige la colección y el campo. Haz clic en Search.
Buscar datos con Attu.
Luego puedes comprobar el resultado de la búsqueda. Sin compilar ningún script, puedes buscar con Milvus fácilmente.
Resultado de la búsqueda.
Por último, revisemos la página System View.
Con la Metrics API encapsulada en Milvus Node.js SDK, puedes comprobar el estado del sistema, las relaciones entre nodos y el estado de los nodos.
Como una función exclusiva de Attu, la página System Overview incluye un grafo topológico completo del sistema. Al hacer clic en cada nodo, puedes comprobar su estado (se actualiza cada 10 segundos).
Grafo topológico de nodos de Milvus en Attu.
Haz clic en cada nodo para entrar en Node List View. Puedes comprobar todos los nodos secundarios de un nodo coord. Al ordenar, puedes identificar rápidamente los nodos con alto uso de CPU o memoria y localizar el problema en el sistema.
Lista de nodos de Milvus.
Qué más
Como se mencionó anteriormente, las páginas Vector Search y System View son plugins de Attu. Animamos a los usuarios a desarrollar sus propios plugins en Attu para adaptarlos a sus escenarios de aplicación. En el código fuente, hay una carpeta creada específicamente para los códigos de plugins.
Las páginas Vector Search y System View son plugins de Attu.
Puedes consultar cualquiera de los plugins para aprender a crear un plugin. Al configurar el siguiente archivo de configuración, puedes agregar el plugin a Attu.
Agregar plugins a Attu.
Puedes consultar Attu GitHub Repo y Milvus Technical Document para obtener instrucciones detalladas.
Attu es un proyecto de código abierto. Todas las contribuciones son bienvenidas. También puedes presentar un issue si tuviste algún problema con Attu.
Esperamos sinceramente que Attu pueda brindarte una mejor experiencia de usuario con Milvus. Y si te gusta Attu, o tienes comentarios sobre el uso, puedes completar esta Attu User Survey para ayudarnos a optimizar Attu y ofrecer una mejor experiencia de usuario.
Sigue leyendo
From Vector Database to Vector Lakebase
Zilliz offers a fully managed Vector Lakebase powered by Milvus, unifying real-time vector search, lake-scale discovery, and Al data operations.
Will Amazon S3 Vectors Kill Vector Databases—or Save Them?
AWS S3 Vectors aims for 90% cost savings for vector storage. But will it kill vectordbs like Milvus? A deep dive into costs, limits, and the future of tiered storage.
Similarity Metrics for Vector Search
Exploring five similarity metrics for vector search: L2 or Euclidean distance, cosine distance, inner product, and hamming distance.