Milvus 2.2.4の新機能
Milvusコミュニティを代表してMilvus 2.2.4のリリースを発表できることを誇りに思います。2.2.4リリースにはいくつかの新機能と多くの改善が含まれています。このブログポストでは、より顕著な機能のいくつかを紹介します。変更点の完全なリストはリリースノートをご確認ください。
- 📦 PyPI: https://pypi.org/project/milvus/
- 📚 Docs: https://milvus.io/docs
- 🛠️ リリースノート：https://milvus.io/docs/release_notes.md#224
- Docker Image: docker pull milvusdb/milvus
- 🚀 リリース：https://github.com/milvus-io/milvus/releases/tag/v2.2.4
このリリースのハイライトの一つは、QueryNodesにリソースグループ化を導入したことです。リソース・グループ化とは、特定のクエリ・ノードを他のクエリ・ノードから分離することで、より優れたリソース管理とパフォーマンスの向上を実現します。マルチテナント・シナリオでリソース・グループ化を使用すると、各テナントに適切な数のクエリ・ノードを割り当てることができ、各リソース・グループ内の操作は他のリソース・グループ内の操作から物理的に独立します。
また、以下の機能が強化されました：
- コレクション名変更](https://milvus.io/docs/rename_collection.md) - コレクション名変更APIを使用して、コレクションの名前を変更できるようになりました。
- Google Cloud Storage のサポート - Milvus が非構造化データのオブジェクトストアとして Google Cloud Storage をサポートしました。
- 新しいオプション
(kwargs: ignore_growing)が検索APIとクエリAPIの両方に追加されました - データの鮮度よりもパフォーマンスを重視する場合、このオプションを有効にすることで、成長しているセグメントの検索をスキップし、挿入を伴う検索シナリオでより良い検索パフォーマンスを提供します。セグメントコンパクションの詳細については、こちらのblogを参照してください。
なお、Milvus 2.2.4ではいくつかのバグフィックスとパフォーマンス向上が行われていますので、詳しくは リリースノート をご覧ください。
要約
上記の機能に加えて、Milvus 2.2.4ではいくつかのバグフィックスと改善が行われています。詳しくは
Chris ChuriloChris Churilo is the VP of Marketing & Community at Zilliz where she leads all community, developer relations, and marketing efforts. Prior to Zilliz, Chris was a founding member of the InfluxData’s go to market efforts and helped propel the time series database platform to dominance in the market. In earlier roles she defined and designed a SaaS monitoring solution at Centroid, and prior to that she was the VP of product management at iPass and was the LOB for several cloud services that required her to track the business and operational metrics and analytics to help identify and resolve issues.
読み続けて
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.
Top 10 Context Engineering Techniques You Should Know for Production RAG
A practical guide to context engineering for production LLM systems, covering RAG, context processing, memory, agents, and multimodal context.
Selecting the Right ETL Tools for Unstructured Data to Prepare for AI
Learn the right ETL tools for unstructured data to power AI. Explore key challenges, tool comparisons, and integrations with Milvus for vector search.