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
Zilliz Named "Highest Performer" and "Easiest to Use" in G2's Summer 2025 Grid® Report for Vector Databases
Zilliz shines in G2's Summer 2025 Grid® Report as both "Highest Performer" and "Easiest to Use," solving the performance-usability dilemma.
AI Agents Are Quietly Transforming E-Commerce — Here’s How
Discover how AI agents transform e-commerce with autonomous decision-making, enhanced product discovery, and vector search capabilities for today's retailers.
Vector Databases vs. Hierarchical Databases
Use a vector database for AI-powered similarity search; use a hierarchical database for organizing data in parent-child relationships with efficient top-down access patterns.