Milvus 2.2.3의 새로운 기능
Milvus 커뮤니티를 대표하여 Milvus 2.2.3 릴리스를 발표하게 되어 기쁩니다. 2.2.3 릴리스에는 몇 가지 새로운 기능과 많은 개선 사항이 포함되어 있습니다. 이 블로그 게시물에서는 더 주요한 기능 중 일부를 중점적으로 소개합니다. 전체 변경 사항 목록은 릴리스 노트를 확인하세요.
- 📦 PyPI: https://pypi.org/project/milvus/
- 📚 Docs: https://milvus.io/docs
- 🛠️ Release Notes: https://milvus.io/docs/release_notes.md#223
- 🐳 Docker Image: docker pull milvusdb/milvus
- 🚀 Release: https://github.com/milvus-io/milvus/releases/tag/v2.2.3
이번 릴리스의 주요 특징 중 하나는 고가용성 시스템의 필수 기능인 롤링 업그레이드 지원 도입입니다. 롤링 업그레이드를 사용하면 눈에 띄는 서비스 중단 없이, 최소한의 다운타임으로 Milvus를 업그레이드할 수 있습니다. 또한 HA 테마와 연결하여, 이번 릴리스에는 Milvus 코디네이터가 active-standby 모드로 작동하고 30초를 넘지 않는 짧은 장애 복구 시간을 보장할 수 있도록 하는 Coordinator High Availability (HA) 기능이 포함되어 있습니다.
또한 다음 기능에 여러 개선 사항이 추가되었습니다:
- Bulk-insert
- 메모리 사용량 감소
- 모니터링 메트릭 최적화
- Meta 스토리지 성능 개선
Milvus 2.2.3에는 컬렉션의 최대 필드 수가 256개에서 64개로 줄어든 breaking change도 포함되어 있음을 유의하세요 (#22030).
요약 위에 나열된 모든 기능 외에도 Milvus 2.2.3 에는 여러 버그 수정 및 개선 사항이 포함되어 있습니다. 자세히 알아보려면:
계속 읽기
How Zilliz Saw the Future of Vector Databases—and Built for Production
An inside look at how Zilliz built vector databases for real-world use, focusing on scalability, stability, and running them reliably at scale.
Introducing Business Critical Plan: Enterprise-Grade Security and Compliance for Mission-Critical AI Applications
Discover Zilliz Cloud’s Business Critical Plan—offering advanced security, compliance, and uptime for mission-critical AI and vector database workloads.
Optimizing Embedding Model Selection with TDA Clustering: A Strategic Guide for Vector Databases
Discover how Topological Data Analysis (TDA) reveals hidden embedding model weaknesses and helps optimize vector database performance.