Milvus 2.4.0의 새로운 기능은 무엇인가요?
Milvus 2.4를 공개하게 되어 매우 기쁩니다. 이는 방대한 데이터셋에 대한 검색 역량을 향상하려는 우리의 여정에서 중요한 이정표입니다. 이 버전은 검색 효율성을 가속화하고, 탁월한 속도와 정확도로 다양한 검색 사용 사례를 충족할 수 있는 통합 검색 플랫폼을 향한 우리의 지평을 넓힙니다. 가속화된 통합 검색을 지원하기 위한 우리의 노력은 강력하고 확장 가능한 벡터 데이터 관리 및 쿼리 솔루션을 제공하려는 우리의 헌신을 반영합니다.
📚 문서: https://milvus.io/docs
🛠️ 릴리스 노트: https://milvus.io/docs/release_notes.md#240
🐳 Docker 이미지: docker pull
🚀 릴리스: Milvus-2.4.0
주요 하이라이트
🚀 CAGRA 인덱스 지원 — Milvus 2.4는 NVIDIA의 CAGRA Index 지원을 도입하여, 매우 낮은 지연 시간이 요구되는 검색 애플리케이션을 위한 GPU 가속 그래프 인덱싱의 새로운 표준을 제시합니다. 업계 표준인 HNSW 인덱스를 능가하는 CAGRA는 작은 배치 크기에서도 뛰어난 효율성과 속도를 보여줍니다. 더 큰 배치에서는 그 장점이 더욱 두드러져, 높은 처리량이 필요한 환경의 요구 사항을 충족합니다. 또한 Milvus는 가능한 한 가장 높은 재현율을 달성하는 것이 필수적인 사용 사례를 위해 CAGRA와 함께 브루트포스 검색 옵션을 통합합니다. 개발자는 문서를 살펴보며 CAGRA GPU 인덱스 기능을 활용하기 시작할 수 있습니다.
Milvus raft cagra vs milvus hnsw
🔍 Multi-vector Search — Milvus 2.4에 Multi-vector Search가 추가되어, 프레임워크 내에서 여러 벡터 검색과 재순위화를 관리할 수 있게 함으로써 AI 애플리케이션 개발을 향상합니다. 이는 멀티모달 검색 처리를 단순화하고 정보 검색의 재현율을 개선합니다. 컬렉션 내의 단일 엔터티에 대해 여러 벡터를 저장하고 쿼리할 수 있는 기능은 실제 애플리케이션에 자연스럽고 효율적인 방식으로 데이터를 모델링하기 쉽게 만듭니다. 또한 이 기능은 사용자 지정 재순위화 모델의 통합과 최적화를 간단하게 하여, 다차원 데이터의 인사이트를 활용하는 정확한 추천 시스템과 같은 고급 검색 기능 개발을 지원합니다.
Multi-vector Search 기능 작동 방식
🧮 Grouping Search — Milvus 2.4의 또 다른 하이라이트는 Grouping Search 기능으로, 그룹화된 검색 쿼리에 대한 컴퓨팅 리소스 효율성과 개발자 생산성을 향상합니다. 이 기능은 벡터화된 청크나 프레임으로 분할된 문서 또는 동영상과 같은 대규모 데이터셋을 쿼리할 때의 문제를 해결합니다. 이전에는 속성별로 검색 결과를 집계하는 작업이 번거로웠고, 상당한 컴퓨팅 리소스와 복잡한 코딩 우회 방법이 필요했습니다. 이제 Grouping Search를 통해 간단한 집계가 가능해져, 사용자는 그룹화된 필드별 상위 결과를 직접 검색할 수 있습니다.
예시- "harry potter"가 포함된 도서 검색
🔮 희소 벡터 지원(베타) — 많은 기대 속에, 희소 벡터 임베딩에 대한 베타 지원이 Milvus 2.4에서 제공되어 효율적이고 의미적으로 풍부한 ANN 검색을 가능하게 합니다. 이 기능은 SPLADEv2와 같은 신경망 모델 및 BM25와 같은 통계 모델의 임베딩을 위해 설계되었으며, 의미적 유사성에 중점을 두어 기존 키워드 검색을 넘어 검색 기능을 향상합니다. 추후 정식 출시가 예정된 이 베타 단계는 Milvus 생태계 내에서 성능과 통합을 최적화하는 것을 목표로 합니다. 키워드와 임베딩 전략을 결합하는 하이브리드 검색의 새로운 가능성을 열어 텍스트 검색 정확도를 크게 높입니다. 키워드 기반 시스템에서 전환하고 있으며, 심층적인 맞춤화 없이 향상된 검색 정확도를 원하는 사용자에게 이상적인 희소 벡터 지원은 Milvus를 보다 정교한 하이브리드 텍스트 검색 방법론으로 나아가게 합니다.
⬆️ 기타 주요 개선 사항 — Milvus 2.4는 메타데이터 필터링에서 향상된 부분 문자열 매칭을 위한 정규 표현식 지원, 보다 효율적인 스칼라 데이터 유형 필터링을 위한 새로운 스칼라 역색인(Tantivy 덕분에), Milvus 컬렉션의 변경 사항을 모니터링하고 복제하기 위한 변경 데이터 캡처 도구를 포함해 많은 새로운 기능과 개선 사항을 제공합니다. 이러한 업데이트는 함께 복잡한 데이터 작업을 위한 Milvus의 성능과 다재다능함을 크게 향상합니다.
시작하기
Milvus 2.4.0을 살펴보는 데 관심이 있으신가요? 새로운 기능과 개선 사항의 개요는 릴리스 노트에서 시작하세요. Milvus 2.4.0의 기능에 대한 심층 논의를 위해 Zilliz의 엔지니어링 부사장 James Luan과 함께하는 예정된 웨비나에 참여하세요. 변경 사항을 직접 확인할 준비가 되셨나요? Milvus 2.4.0을 다운로드하고 이러한 개선 사항을 프로젝트에 통합하기 시작하세요.
계속 읽기
Zilliz Cloud Delivers Better Performance and Lower Costs with Arm Neoverse-based AWS Graviton
Zilliz Cloud adopts Arm-based AWS Graviton3 CPUs to cut costs, speed up AI vector search, and power billion-scale RAG and semantic search workloads.
Expanding Our Global Reach: Zilliz Cloud Launches in Azure Central India
Zilliz Cloud expands to Azure Central India. This new region helps customers meet compliance, reduce latency, and optimize cloud costs when building AI applications.
The Great AI Agent Protocol Race: Function Calling vs. MCP vs. A2A
Compare Function Calling, MCP, and A2A protocols for AI agents. Learn which standard best fits your development needs and future-proof your applications.