O que há de novo no Milvus 2.3
Estamos entusiasmados em anunciar o lançamento do Milvus 2.3.0. Esta versão contém muitos novos recursos e melhorias empolgantes. Esta publicação no blog destacará alguns dos recursos mais importantes. Para uma lista completa de alterações, não deixe de conferir as notas de lançamento.
📦 PyPI: https://pypi.org/project/milvus/
📚 Docs: https://milvus.io/docs
🛠️ Notas de lançamento: https://milvus.io/docs/release_notes.md#v230
🐳 Imagem Docker: docker pull
🚀 Lançamento: milvus-2.3.0
🖥️ Atualizações computacionais com GPU & ARM64:
Indexação por GPU via Nvidia: O QPS melhorou mais de três vezes em comparação com a indexação HNSW anterior por CPU. Para conjuntos de dados intensivos em computação, há um aumento de desempenho de quase dez vezes.
Imagem Docker ARM64: CPUs ARM oferecem um aumento de desempenho de 20%, sendo ao mesmo tempo 20% mais econômicas.
🔎 Melhorias de busca e indexação:
Busca por intervalo: Um mecanismo de busca mais granular que possibilita a recuperação vetorial com base em distâncias definidas a partir de um vetor de entrada, tornando as recuperações de dados baseadas em proximidade mais intuitivas.
Integração do índice ScaNN: Em comparação com HNSW ou IVFFlat, o índice ScaNN oferece uma melhoria de desempenho de 20% e é sete vezes mais rápido que IVFFlat.
Índice em crescimento: À medida que os dados entram em fluxo, o Milvus 2.3 os indexa em tempo real, garantindo execuções de consultas mais rápidas.
🔀 Ferramentas de pipeline de dados:
Iterador no Pymilvus: Permite a exportação em lote de grandes quantidades de vetores, especialmente benéfica ao lidar com dados na casa das dezenas de milhares.
Operação de Upsert: Atualização ou inserção simultânea de dados em uma única solicitação, simplificando o gerenciamento de dados e aumentando a eficiência.
Suporte a CDC: Facilita a sincronização de dados entre data centers, permite backups incrementais e garante uma migração de dados tranquila.
Também melhoramos a operabilidade do sistema, o balanceamento de carga e o desempenho das consultas. Vários bugs foram corrigidos, e otimizamos componentes principais, como o ‘QueryNode’. Nosso sistema de fila de mensagens foi reformulado para maior eficiência. Além disso, ferramentas como Birdwatcher e Attu receberam atualizações para melhor funcionalidade. Explore as notas de lançamento do Milvus 2.3 para uma visão geral abrangente.
Notas finais:
Um grande obrigado à nossa comunidade de desenvolvedores. Suas contribuições, PRs e feedback moldaram o Milvus 2.3. Estamos ansiosos para ver como vocês integram estas atualizações e aguardamos seu feedback contínuo. Continuem programando! 🖥️🔧
Continue lendo
Zilliz Cloud On-Demand Compute: Pay Only for What You Use
The customer case behind Zilliz Cloud On-Demand: how a $10K vector search bill came down to under $500, and the engineering changes that made it possible.
Zilliz Cloud Update: Tiered Storage, Business Critical Plan, Cross-Region Backup, and Pricing Changes
This release offers a rebuilt tiered storage with lower costs, a new Business Critical plan for enhanced security, and pricing updates, among other features.
1 Table = 1000 Words? Foundation Models for Tabular Data
TableGPT2 automates tabular data insights, overcoming schema variability, while Milvus accelerates vector search for efficient, scalable decision-making.