Quoi de neuf dans Milvus 2.2.4
Nous sommes fiers d’annoncer la sortie de Milvus 2.2.4 au nom de la communauté Milvus. La version 2.2.4 contient quelques nouvelles fonctionnalités et de nombreuses améliorations. Cet article de blog mettra en avant certaines des fonctionnalités les plus importantes. Pour une liste complète des changements, consultez les notes de version.
- 📦 PyPI: https://pypi.org/project/milvus/
- 📚 Docs: https://milvus.io/docs
- 🛠️ Notes de version: https://milvus.io/docs/release_notes.md#224
- 🐳 Image Docker: docker pull milvusdb/milvus
- 🚀 Version: https://github.com/milvus-io/milvus/releases/tag/v2.2.4
L’un des points forts de cette version est l’introduction du regroupement de ressources pour les QueryNodes. Le regroupement de ressources consiste à isoler des nœuds de requête spécifiques des autres, offrant une meilleure gestion des ressources et des performances améliorées. Grâce au regroupement de ressources dans un scénario multilocataire, vous pouvez allouer un nombre approprié de nœuds de requête à chaque locataire afin que les opérations au sein de chaque groupe de ressources soient physiquement indépendantes de celles des autres groupes de ressources.
De plus, plusieurs améliorations ont été apportées aux fonctionnalités suivantes:
- Renommage de collection — Vous pouvez désormais renommer une Collection à l’aide de l’API de renommage de collection.
- Prise en charge de Google Cloud Storage — Milvus prend désormais en charge Google Cloud Storage comme magasin d’objets pour vos données non structurées.
- Nouvelle option
(kwargs: ignore_growing)pour les API de recherche et de requête — Si vous vous souciez davantage des performances que de la fraîcheur des données, l’activation de cette option ignorera la recherche sur tous les segments growing et offrira de meilleures performances de recherche dans le scénario de recherche avec insertion. Vous trouverez plus d’informations sur la compaction des segments dans ce blog.
Veuillez noter qu’il existe plusieurs corrections de bogues et améliorations des performances dans la version Milvus 2.2.4, alors consultez les notes de version pour plus de détails.
Résumé
En plus de toutes les fonctionnalités répertoriées ci-dessus, Milvus 2.2.4 inclut plusieurs corrections de bogues et améliorations. Pour en savoir plus:
- Consultez les notes de version de la version 2.2.4 pour la liste complète des changements
- Téléchargez Milvus et commencez
Continuer à lire

DeepSeek-OCR Explained: Optical Compression for Scalable Long-Context and RAG Systems
Discover how DeepSeek-OCR uses visual tokens and Contexts Optical Compression to boost long-context LLM efficiency and reshape RAG performance.

Context Engineering Strategies for AI Agents: A Developer’s Guide
Learn practical context engineering strategies for AI agents. Explore frameworks, tools, and techniques to improve reliability, efficiency, and cost.

Zilliz Cloud Enterprise Vector Search Powers High-Performance AI on AWS
Zilliz Cloud on AWS powers secure, scalable, ultra-fast vector search for enterprise AI apps, with BYOC, sub-10ms latency, and zero-DevOps simplicity.



