Novità in Milvus 2.3
Siamo entusiasti di annunciare il rilascio di Milvus 2.3.0. Questa release contiene molte nuove funzionalità e miglioramenti entusiasmanti. Questo post del blog metterà in evidenza alcune delle funzionalità più importanti. Per un elenco completo delle modifiche, assicurati di consultare le note di rilascio.
📦 PyPI: https://pypi.org/project/milvus/
📚 Documentazione: https://milvus.io/docs
🛠️ Note di rilascio: https://milvus.io/docs/release_notes.md#v230
🐳 Immagine Docker: docker pull
🚀 Release: milvus-2.3.0
🖥️ Aggiornamenti computazionali con GPU e ARM64:
Indicizzazione GPU tramite Nvidia: Il QPS è migliorato di oltre tre volte rispetto alla precedente indicizzazione HNSW su CPU. Per i dataset a elevata intensità computazionale, si registra un aumento delle prestazioni di quasi dieci volte.
Immagine Docker ARM64: Le CPU ARM offrono un incremento delle prestazioni del 20% pur essendo il 20% più convenienti in termini di costi.
🔎 Miglioramenti della ricerca e dell’indicizzazione:
Range Search: Un meccanismo di ricerca più granulare che consente il recupero vettoriale in base a distanze definite da un vettore di input, rendendo più intuitivi i recuperi di dati basati sulla prossimità.
Integrazione dell’indice ScaNN: Rispetto a HNSW o IVFFlat, l’indice ScaNN offre un miglioramento delle prestazioni del 20% ed è sette volte più veloce di IVFFlat.
Growing Index: Man mano che i dati vengono trasmessi, Milvus 2.3 li indicizza in tempo reale, garantendo esecuzioni delle query più rapide.
🔀 Strumenti per pipeline di dati:
Iterator in Pymilvus: Consente l’esportazione in batch di grandi quantità di vettori, particolarmente utile quando si gestiscono dati nell’ordine delle decine di migliaia.
Operazione Upsert: Aggiornamento o inserimento simultaneo di dati in una singola richiesta, semplificando la gestione dei dati e migliorando l’efficienza.
Supporto CDC: Facilita la sincronizzazione dei dati tra data center, consente backup incrementali e assicura una migrazione dei dati fluida.
Abbiamo anche migliorato l’operatività del sistema, il bilanciamento del carico e le prestazioni delle query. Sono stati risolti diversi bug e abbiamo ottimizzato componenti fondamentali come il ‘QueryNode’. Il nostro sistema di code di messaggi è stato riprogettato per una maggiore efficienza. Inoltre, strumenti come Birdwatcher e Attu sono stati aggiornati per una migliore funzionalità. Consulta le note di rilascio di Milvus 2.3 per una panoramica completa.
Note finali:
Un grande grazie alla nostra community di sviluppatori. I vostri contributi, PR e feedback hanno plasmato Milvus 2.3. Siamo impazienti di vedere come integrerete questi aggiornamenti e attendiamo i vostri continui feedback. Continuate a programmare! 🖥️🔧
Continua a leggere
Introducing Customer-Managed Encryption Keys (CMEK) on Zilliz Cloud
We're announcing the general availability of Customer-Managed Encryption Keys (CMEK) on Zilliz Cloud.
Zilliz Cloud BYOC Now Available Across AWS, GCP, and Azure
Zilliz Cloud BYOC is now generally available on all three major clouds. Deploy fully managed vector search in your own AWS, GCP, or Azure account — your data never leaves your VPC.
Build for the Boom: Why AI Agent Startups Should Build Scalable Infrastructure Early
Explore strategies for developing AI agents that can handle rapid growth. Don't let inadequate systems undermine your success during critical breakthrough moments.