エンジニアリングの視点：なぜMilvusはあなたのアプリにとって魅力的な選択肢なのか？
ベクトルデータベースは現代のデータ管理に不可欠であり、推薦システムやチャットボットから人工知能(AGI)や検索拡張世代(RAG)に至るアプリケーションの構築に普及している。このダイナミックな状況において、Milvusはパイオニアであり、最近のリリースであるMilvus 2.3では、数多くのエキサイティングな新機能と拡張機能が導入されています。
本ブログでは、エンジニアリングの観点からMilvus 2.3を探求し、データベースの選択、開発経験、システムの信頼性という3つの重要な角度から、Milvus 2.3が新規ユーザーおよび既存ユーザーにとって優れた選択肢である理由を共有します。
パフォーマンス、コスト、スケーラビリティのバランス
ベクターデータベースを選択する際、多くのユーザーは性能、コスト、スケーラビリテ ィの3つの主要因を考慮します。以前のMilvus 2.xシリーズでは、スケーラビリティを優先し、様々な環境に適応し、数十億のベクトルを保存・検索できるようにしました。Milvus 2.3は、クラウドネイティブなストレージとコンピュートの分離を利用し、数百万から数十億のベクターへのシームレスな移行を可能にすることで、スケーリングの最適化をさらに一歩進めました。
また、Milvus 2.3は、GPU、CPU(ARM64およびx86)のDockerオプション、Kubernetes(Milvus OperatorおよびHelm)オプションを含む、パフォーマンスとコストに対応した複数のデプロイオプションをユーザーに提供します。
パフォーマンスを優先するユーザーは、Milvus 2.3のGPU dockerを選択することができ、CPUオプションよりも3倍から10倍高速なパフォーマンスを提供します。
コストに敏感なユーザーは、Milvus の ARM64 オプションを選択することができ、妥当な性能を維持しながら、より予算に優しいものとなっています。
また、Milvus 2.3は、ファイルやその他のオブジェクトをメモリにマッピングするUNIXシステムコールであるMMapをサポートしているため、コストを削減しながらシングルマシンのデータ容量を大幅に増やすことができます。我々のテスト結果によると、MMapのサポートにより、Milvusは性能劣化を20％以内に抑えながら、データ容量を2倍にすることができる。今後リリース予定のMilvus 2.3.1では、この機能の最適化を進め、データ容量を現在の20倍まで拡大することを目指します。
##シンプルさで開発者に力を与える
現代のアプリケーションは、挿入、削除、検索といった主要なベクトル検索機能以上のものを要求しています。例えば、アプリケーションによって、トップkベクトル検索、距離ベースの検索、属性フィルタによる検索など、異なる検索が要求されます。さらに、これらのアプリケーションは、ユークリッド距離(L2)、内積(IP)、コサイン類似度(COSINE)など、ベクトル距離の計算のための他の方法を要求するかもしれません。
Milvus2.3では、これらの多様な要求に対応するためにAPIが強化され、開発がより容易になりました。例えば、新しいupsert機能はデータの挿入と更新を1行のコードにまとめることでデータ管理を簡素化します。ScaNN indexは高性能なインデックスを提供し、旧バージョンよりも高速なクエリー速度を提供します。
Milvusはまた、データ管理を合理化するためのマイグレーションツールやインクリメンタルデータキャプチャ機能を提供することで、他の製品とのデータ統合をサポートしています。
安定性とセカンドレベルの可用性の確保
Milvusは、その継続的な最適化により、本番環境での信頼性と可用性が実証されています。
2.1.xシリーズではメモリレプリケーションが導入され、システムの安定性が大幅に向上しました。2.2.xシリーズでは、リソースグループに対するフォールトアイソレーション機能が追加され、システムの回復力が強化されました。前バージョンの成功に基づき、Milvus 2.3ではLook Aside Load Balancerが導入され、ノードイベントの検出がさらに高速化され、セカンドレベルフェイルオーバーとリソース拡張が確実になりました。
また、Milvus 2.3では、より優れたメモリ管理、強化されたローリングアップグレード、単一クラスタ内のより多くのテーブルのサポートが追加され、システム全体の安定性がさらに向上しました。
結論
急速に進化するベクターデータベースの中で、Milvus 2.3は卓越した存在として際立っている。Milvus 2.3 は、高性能、拡張性、可用性、安定性、そして費用対効果という、ユーザーが最新のベクターデータベースに必要とする全ての要素を備えている。
技術の進歩に伴い、Milvusも進歩し続けています。私たちはMilvusをたゆまず最適化し続け、式の削除、シームレスなAzureクラウドデプロイメント、強化された配列サポート、デフォルト/ヌル値の最適化、動的なカラム追加など、今後のバージョンで最先端の機能を導入していきます。ご期待ください。
この旅は、私たちだけで乗り出すものではありません。コミュニティ全体が積極的にMilvusを探求し、あなたの洞察を共有し、この驚くべきテクノロジーの継続的な進化に貢献することを期待しています。
Owen jiaoOwen Jiao is the Principal Engineer at Zilliz and the dedicated maintainer of the open-source Milvus project. Currently, he leads the research and development for the Milvus query engine, infusing it with innovation and expertise. Before joining Zilliz, Owen was a senior software engineer at Kyligence, where he led the development of Apache Kylin and MDX for Kylin. With extensive experience spanning databases, OLAP, and big data, Owen holds a master's degree in communication engineering from Shanghai Jiao Tong University.
読み続けて
Why Teams Are Migrating from Weaviate to Zilliz Cloud — and How to Do It Seamlessly
Explore how Milvus scales for large datasets and complex queries with advanced features, and discover how to migrate from Weaviate to Zilliz Cloud.
Zilliz Cloud Launches in AWS Australia, Expanding Global Reach to Australia and Neighboring Markets
We're thrilled to announce that Zilliz Cloud is now available in the AWS Sydney, Australia region (ap-southeast-2).
Top 5 AI Search Engines to Know in 2025
Discover the top AI-powered search engines of 2025, including OpenAI, Google AI, Bing, Perplexity, and Arc Search. Compare features, strengths, and limitations.