Управляйте своей векторной базой данных Milvus в один клик
Эта статья написана Чжэнь Чэнем и переведена Личенем Ваном.
Zilliz была пионером, посвятившим себя тому, чтобы помогать пользователям справляться с быстро растущим спросом на обработку неструктурированных данных. Zilliz теперь открыла исходный код графического пользовательского интерфейса - Attu - специально для Milvus 2.0, ориентированной на ИИ системы векторных баз данных, разработанной для масштабных производственных сценариев. В этой статье мы хотели бы шаг за шагом показать вам, как выполнять поиск по векторному сходству с помощью Attu и Milvus 2.0.
Attu (/ ˈætu /) — остров на западной окраине Алеутских островов. Эта необитаемая территория символизирует дух приключений.
По сравнению с Milvus CLI, который обеспечивает предельную простоту использования, Attu предлагает больше:
- Установщики для Windows OS, macOS и Linux OS;
- Интуитивно понятный GUI для более удобного использования Milvus;
- Покрытие основных функциональных возможностей Milvus;
- Плагины для расширения пользовательских функциональных возможностей;
- Полная информация о топологии системы для более легкого понимания и администрирования экземпляра Milvus.
Установка
Вы можете найти последний выпуск Attu на GitHub. Attu предлагает исполняемые установщики для разных операционных систем. Это open-source проект, и он приветствует вклад каждого.
Установщики Attu и исходный код.
Вы также можете установить Attu через Docker.
docker run -p 8000:3000 -e HOST_URL=http://{ attu IP }:8000 -e MILVUS_URL={milvus server IP}:19530 zilliz/attu:latest
attu IP — это IP-адрес среды, в которой работает Attu, а milvus server IP — это IP-адрес среды, в которой работает Milvus.
После успешной установки Attu вы можете ввести IP и Port Milvus в интерфейсе, чтобы запустить Attu.
Подключите Milvus с помощью Attu.
Обзор функций
Страница обзора Attu.
Интерфейс Attu состоит из страницы Overview, страницы Collection, страницы Vector Search и страницы System View, соответствующих четырем значкам на левой панели навигации соответственно. Страница Overview показывает загруженные коллекции. А страница Collection перечисляет все коллекции и указывает, загружены они или освобождены.
Страница коллекций Attu.
Страницы Vector Search и System View являются плагинами Attu. Концепции и использование плагинов будут представлены в заключительной части блога.
Вы можете выполнять поиск по векторному сходству на странице Vector Search.
Страница векторного поиска Attu.
На странице System View вы можете проверить топологическую структуру Milvus.
Страница системного представления Attu.
Вы также можете проверить подробную информацию о каждом узле, щелкнув по узлу.
Страница представления узла Attu.
Демонстрация
Давайте изучим Attu на тестовом наборе данных.
Посмотрите наш GitHub repo для набора данных, используемого в следующем тесте.
Сначала создайте коллекцию с именем test со следующими четырьмя полями:
- Field Name: id, поле первичного ключа
- Field Name: vector, векторное поле, float vector, Dimension: 128
- Field Name: brand, скалярное поле, Int64
- Field Name: color, скалярное поле, Int64
Создайте коллекцию с помощью Attu.
Загрузите коллекцию для поиска после того, как она была успешно создана.
Загрузите коллекцию с помощью Attu.
Теперь вы можете проверить недавно созданную коллекцию на странице Overview.
Проверьте коллекцию с помощью Attu.
Импортируйте тестовый набор данных в Milvus.
Импорт данных с Attu.
Импорт данных с Attu.
Импорт данных с Attu.
Нажмите имя коллекции на странице Overview или Collection, чтобы перейти в интерфейс запросов и проверить импортированные данные.
Добавьте фильтр, укажите выражение id != 0, нажмите Apply Filter и нажмите Query.
Запрос данных с Attu.
Вы увидите, что все пятьдесят записей сущностей успешно импортированы.
Результат запроса.
Давайте попробуем поиск по векторному сходству.
Скопируйте один вектор из search_vectors.csv и вставьте его в поле Vector Value. Выберите коллекцию и поле. Нажмите Search.
Поиск данных с Attu.
Затем вы можете проверить результат поиска. Без написания каких-либо скриптов вы можете легко выполнять поиск с помощью Milvus.
Результат поиска.
Наконец, давайте проверим страницу System View.
С помощью Metrics API, инкапсулированного в Milvus Node.js SDK, вы можете проверить состояние системы, связи между узлами и состояние узлов.
Как эксклюзивная функция Attu, страница System Overview включает полный топологический граф системы. Нажав на каждый узел, вы можете проверить его состояние (обновляется каждые 10 секунд).
Топологический граф узлов Milvus в Attu.
Нажмите на каждый узел, чтобы перейти к Node List View. Вы можете проверить все дочерние узлы coord-узла. Сортируя их, вы можете быстро определить узлы с высокой загрузкой CPU или памяти и локализовать проблему в системе.
Список узлов Milvus.
Что еще
Как упоминалось ранее, страницы Vector Search и System View являются плагинами Attu. Мы призываем пользователей разрабатывать собственные плагины в Attu, чтобы они соответствовали их сценариям применения. В исходном коде есть папка, специально предназначенная для кода плагинов.
Страницы Vector Search и System View являются плагинами Attu.
Вы можете обратиться к любому из плагинов, чтобы узнать, как создать плагин. Настроив следующий конфигурационный файл, вы можете добавить плагин в Attu.
Добавление плагинов в Attu.
Подробные инструкции см. в репозитории Attu GitHub и технической документации Milvus.
Attu — это проект с открытым исходным кодом. Мы приветствуем любой вклад. Вы также можете создать issue, если у вас возникли какие-либо проблемы с Attu.
Мы искренне надеемся, что Attu сможет обеспечить вам лучший пользовательский опыт работы с Milvus. И если вам нравится Attu или у вас есть отзывы об использовании, вы можете заполнить этот опрос пользователей Attu, чтобы помочь нам оптимизировать Attu для лучшего пользовательского опыта.
Читать далее
Introducing Functions and Model Inference on Zilliz Cloud: Automatic Embedding and Reranking with Hosted Models
Zilliz Cloud Functions auto-generate embeddings via OpenAI, Voyage AI, Cohere, or Zilliz Hosted Models. Built-in reranking — just insert text and search.
Smarter Autoscaling in Zilliz Cloud: Always Optimized for Every Workload
With the latest upgrade, Zilliz Cloud introduces smarter autoscaling—a fully automated, more streamlined, elastic resource management system.
Why Context Engineering Is Becoming the Full Stack of AI Agents
Discover how context engineering unifies prompts, RAG, and tools to build smarter, production-ready AI agents powered by Milvus.