Milvus 2.3の新機能
この度、Milvus 2.3.0をリリースする運びとなりました。このリリースには多くのエキサイティングな新機能と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については、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#v230
🐳 Dockerイメージ：docker pull
🚀 リリース：milvus-2.3.0
🖥️ GPUとARM64による計算のアップグレード：
Nvidia 経由の GPU インデキシング:** QPS は以前の CPU HNSW インデキシングと比較して 3 倍以上向上しました。計算量の多いデータセットでは、ほぼ10倍の性能向上が見られます。
ARM64 Docker Image:** ARM CPUはパフォーマンスを20%向上させ、同時にコスト効率も20%向上させました。
検索とインデックスの強化：
範囲検索:** 入力ベクトルからの定義された距離に基づく ベクトル検索 を可能にする、よりきめ細かい検索メカニズムにより、近接ベースのデータ検索がより直感的になりました。
ScaNN インデックスの統合:** HNSW や IVFFlat と比較して、ScaNN インデックスはパフォーマンスを 20%向上させ、IVFFlat よりも 7 倍高速です。
Milvus](https://zilliz.com/what-is-milvus)2.3はリアルタイムでインデックスを作成し、より迅速なクエリ実行を保証します。
データパイプラインツール：
Pymilvusのイテレータ:** 大量のベクトルのバッチエクスポートが可能。
アップサート・オペレーション:** 一回のリクエストでデータの更新または挿入を同時に行うことができ、データ管理を合理化し、効率を高めます。
CDCサポート：データセンター間のデータ同期を容易にし、増分バックアップを可能にし、スムーズなデータ移行を保証します。
また、システムの操作性、ロードバランシング、クエリーのパフォーマンスも改善しました。いくつかのバグに対処し、'QueryNode'などのコアコンポーネントを最適化しました。メッセージキューシステムは、より効率的になるようにオーバーホールされました。さらに、BirdwatcherやAttuのようなツールは、より良い機能のために更新されました。Milvus 2.3 リリースノートをご覧ください。
クロージングノート
開発者コミュニティに感謝します。皆様の貢献、PR、フィードバックがMilvus 2.3を形作りました。私たちは、あなたがこれらのアップデートをどのように統合していくかを見守り、あなたの継続的なフィードバックを待ち望んでいます。引き続きコーディングしてください！🖥️🔧
読み続けて
Balancing Precision and Performance: How Zilliz Cloud's New Parameters Help You Optimize Vector Search
Optimize vector search with Zilliz Cloud’s level and recall features to tune accuracy, balance performance, and power AI applications.
DeepRAG: Thinking to Retrieval Step by Step for Large Language Models
Discover DeepRAG, an advanced retrieval-augmented generation (RAG) model that improves LLM accuracy by retrieving only essential data through step-by-step reasoning.
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.