Nouveautés de Milvus version 2.2.9
Nous sommes fiers d’annoncer la sortie de Milvus 2.2.9 au nom de la communauté Milvus. La version 2.2.9 contient plusieurs nouvelles fonctionnalités passionnantes et de nombreuses améliorations. Cet article de blog mettra en lumière certaines des fonctionnalités les plus importantes. Pour une liste complète des changements, consultez les notes de publication.
- 📦 PyPI : https://pypi.org/project/milvus/
- 📚 Docs : https://milvus.io/docs
- 🛠️ Notes de publication : https://milvus.io/docs/release_notes.md#v229
- 🐳 Image Docker : docker pull
- 🚀 Version : https://github.com/milvus-io/milvus/releases/tag/v2.2.9
Notre communauté a posé des questions sur de nombreuses nouvelles fonctionnalités, et je suis ravi de partager avec vous tous que cette version en contient plusieurs ! Regardez simplement cette liste de fonctionnalités !
Prise en charge de JSON — Milvus prend désormais en charge le type de données JSON, stockant de manière transparente JSON comme métadonnées des vecteurs associés au sein de vos collections. Vous pouvez insérer en masse du JSON pour des ingestions à grande échelle et effectuer des opérations avancées de requête et de filtrage basées sur le contenu de vos champs JSON. Cette prise en charge de JSON apporte également des performances de requête améliorées avec des filtres utilisant des champs JSON. Enfin, vous pouvez utiliser des expressions et effectuer des opérations spécifiquement sur les champs JSON dans vos données. Cette fonctionnalité vous permet de construire des requêtes et d’appliquer des filtres basés sur le contenu et la structure de vos champs JSON, vous permettant d’extraire des informations pertinentes et d’effectuer une manipulation avancée des données. Grâce à cette prise en charge, vous pouvez exploiter la puissance expressive de Milvus pour interagir avec vos données JSON et les analyser de manière plus précise et flexible.
Schéma dynamique — Vous permet de gérer dynamiquement les modifications du schéma.
Clé de partition — Permet le partitionnement en utilisant des colonnes propres à l’utilisateur comme clés primaires. Cette fonctionnalité supprime également les limites du nombre de partitions que vous pouvez avoir afin de favoriser une utilisation plus efficace des ressources.
Les fonctionnalités supplémentaires incluent RBAC et l’activation du stockage d’objets Alibaba Cloud.
Veuillez noter plusieurs corrections de bugs et améliorations des performances dans la version Milvus 2.2.9, alors consultez les notes de publication pour plus de détails.
En plus de toutes les fonctionnalités répertoriées ci-dessus, Milvus 2.2.9 inclut plusieurs corrections de bugs et améliorations. Pour en savoir plus :
Consultez les notes de publication de la version 2.2.9 pour la liste complète des changements Téléchargez Milvus et commencez
Continuer à lire
Zilliz Cloud On-Demand Compute: Pay Only for What You Use
The customer case behind Zilliz Cloud On-Demand: how a $10K vector search bill came down to under $500, and the engineering changes that made it possible.
How to Choose the Best Embedding Model for RAG in 2026: 10 Models Benchmarked
We benchmarked 10 embedding models on cross-modal, cross-lingual, long-document, and dimension compression tasks. See which one fits your RAG pipeline.
Why Not All VectorDBs Are Agent-Ready
Explore why choosing the right vector database is critical for scaling AI agents, and why traditional solutions fall short in production.