Milvus 2.3.2 및 2.3.3의 새로운 기능
Milvus 버전 2.3.2와 2.3.3을 소개합니다! 이번 최신 릴리스는 벡터 데이터베이스 시스템의 성능과 사용자 경험을 향상시키기 위한 다양한 개선 사항을 제공합니다. 저희는 이러한 업데이트를 만들기 위해 개발자 커뮤니티의 피드백을 신중히 고려했습니다.
📦 PyPI: https://pypi.org/project/milvus/
📚 문서: https://milvus.io/docs
🛠️ 릴리스 노트:
🐳 Docker 이미지: docker pull
🚀 릴리스: milvus-2.3.3
주요 하이라이트:
새로운 기능
🔍 Array 데이터 유형 지원 - Milvus는 이제 Array 데이터 유형을 지원하여 정밀한 메타데이터 필터링이 가능합니다. 예를 들어, 전자상거래에서는 이를 통해 여러 제품 태그를 기반으로 한 고급 검색이 가능해져, 검색 결과가 사용자 쿼리와 매우 관련성이 높도록 보장합니다.
🧹 복잡한 삭제 표현식 지원 - Milvus 2.3.2 또는 2.3.3을 사용하면 개발자가 데이터 제거를 위한 상세 기준을 지정할 수 있어, 오래된 데이터를 순환 삭제하거나 사용자 ID를 기반으로 한 GDPR 준수 목적의 삭제와 같은 정밀한 정리가 가능합니다. 삭제는 원자적이지 않으므로, 정밀한 데이터 관리를 위해 신중하게 사용하세요.
🗂️ 메타데이터 저장을 위한 TiKV 통합 - 메타데이터 저장을 위해 TiKV를 통합함으로써 Milvus는 향상된 확장성과 안정성을 확보합니다. TiKV의 아키텍처는 대규모 메타데이터 저장을 효율적으로 처리하도록 설계되어, Milvus가 안정성을 희생하지 않고 증가하는 데이터셋의 요구사항을 충족하도록 확장될 수 있게 합니다.
🌀 FP16 벡터 유형 지원 - Milvus의 FP16 벡터 유형 지원은 머신러닝 효율성을 향상시킵니다. 이 데이터 형식은 수치 값을 더 효율적으로 표현하고 처리할 수 있어 딥러닝 및 ML에서 널리 사용되며, 더 빠르고 리소스 효율적인 머신러닝 작업을 가능하게 합니다.
📊 벡터 인덱스 MMAP 지원 - 2.3.0의 원시 데이터만 매핑하는 것을 넘어, 이제 인덱스도 매핑할 수 있습니다. 이 기능은 동일한 머신에 더 많은 데이터를 저장할 수 있게 하며, 비용을 절감하면서 데이터 저장에 유연성을 제공합니다.
개선 사항
🔄 롤링 업그레이드 경험 - Milvus는 버전 2.3.2 및 2.3.3에서 롤링 업그레이드 기능을 강화하여, 버전 2.2.15에서 업그레이드하는 사용자에게 5분 이내의 간소화되고 효율적인 전환을 제공합니다.
🚀 성능 최적화 - 최적화된 데이터 로딩을 위해 데이터 복사 작업을 최소화하고, batch varchar 읽기를 사용해 대용량 삽입을 단순화하며, 데이터 패딩 중 불필요한 오프셋 검사를 제거하고, 상당한 데이터 삽입이 있는 시나리오에서 높은 CPU 소비 문제를 해결합니다.
강조된 개선 사항 외에도, Milvus 2.3.2와 2.3.3은 다양한 새로운 기능과 개선 사항을 제공합니다. 여기에는 업그레이드된 CDC(Change Data Capture)가 포함되며, 이제 MQ(Message Queue) 메시지를 복제할 수 있어 실시간 데이터 동기화를 가능하게 합니다. 개발자는 파티션 키가 있는 binlog 데이터의 대량 삽입도 사용할 수 있어 데이터 수집 프로세스를 간소화할 수 있습니다. 또한, 이 버전들은 SUBSTRUCTURE 및 SUPERSTRUCTURE와 같은 바이너리 메트릭 유형의 복귀를 의미하며, 데이터 표현 옵션의 범위를 확장합니다. 모든 새로운 기능과 개선 사항에 대한 포괄적인 개요를 보려면 개발자들이 저희 릴리스 노트를 방문하시기를 권장합니다.
마무리 참고 사항
저희는 개발자 커뮤니티의 역동적인 요구에 맞춰 Milvus를 지속적으로 개선하겠다는 약속을 굳건히 지키고 있습니다. Milvus의 로드맵을 형성하는 데 중요한 역할을 해온 기여, PR, 통찰력 있는 피드백을 제공해 주신 활기찬 개발자 커뮤니티에 진심으로 감사드립니다. 이러한 업데이트가 여러분의 개발 프로젝트에 어떻게 매끄럽게 통합되는지 목격하기를 기대하며, 여러분의 피드백을 기다리고 있습니다. 계속 코딩하고, 혁신하며, AI의 미래를 만들어 나가세요! 🤖🧠
계속 읽기
Zilliz Cloud Introduces Advanced BYOC-I Solution for Ultimate Enterprise Data Sovereignty
Explore Zilliz Cloud BYOC-I, the solution that balances AI innovation with data control, enabling secure deployments in finance, healthcare, and education sectors.
What is the K-Nearest Neighbors (KNN) Algorithm in Machine Learning?
KNN is a supervised machine learning technique and algorithm for classification and regression. This post is the ultimate guide to KNN.
Why Deepseek is Waking up AI Giants Like OpenAI And Why You Should Care
Discover how DeepSeek R1's open-source AI model with superior reasoning capabilities and lower costs is disrupting the AI landscape and challenging tech giants like OpenAI.