Что нового в Milvus 2.2.4
Мы с гордостью объявляем о выпуске Milvus 2.2.4 от имени сообщества Milvus. Релиз 2.2.4 содержит несколько новых функций и множество улучшений. В этой публикации блога будут освещены некоторые из наиболее заметных функций. Полный список изменений см. в примечаниях к выпуску.
- 📦 PyPI: https://pypi.org/project/milvus/
- 📚 Документация: https://milvus.io/docs
- 🛠️ Примечания к выпуску: https://milvus.io/docs/release_notes.md#224
- 🐳 Docker Image: docker pull milvusdb/milvus
- 🚀 Релиз: https://github.com/milvus-io/milvus/releases/tag/v2.2.4
Одним из ключевых моментов этого релиза является введение группировки ресурсов для QueryNodes. Группировка ресурсов означает изоляцию определенных узлов запросов от других, обеспечивая более эффективное управление ресурсами и повышенную производительность. Благодаря группировке ресурсов в сценарии с несколькими арендаторами вы можете выделить подходящее количество узлов запросов каждому арендатору, чтобы операции внутри каждой группы ресурсов были физически независимы от операций в других группах ресурсов.
Кроме того, были добавлены несколько улучшений для следующих функций:
- Переименование коллекции — Теперь вы можете переименовать коллекцию с помощью API переименования коллекций.
- Поддержка Google Cloud Storage — Milvus теперь поддерживает Google Cloud Storage в качестве объектного хранилища для ваших неструктурированных данных.
- Новая опция
(kwargs: ignore_growing)для API поиска и запросов — Если для вас производительность важнее актуальности данных, включение этой опции пропустит поиск по всем растущим сегментам и обеспечит лучшую производительность поиска в сценарии поиска с вставкой. Дополнительную информацию о сжатии сегментов можно найти в этом блоге.
Обратите внимание, что в релизе Milvus 2.2.4 есть несколько исправлений ошибок и улучшений производительности, поэтому ознакомьтесь с примечаниями к выпуску для получения более подробной информации.
Краткое содержание
Помимо всех функций, перечисленных выше, Milvus 2.2.4 включает несколько исправлений ошибок и улучшений. Чтобы узнать больше:
- См. примечания к выпуску для версии 2.2.4, чтобы ознакомиться с полным списком изменений
- Скачайте Milvus и начните работу
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.

What Exactly Are AI Agents? Why OpenAI and LangChain Are Fighting Over Their Definition?
AI agents are software programs powered by AI that can perceive their environment, make decisions, and take actions to achieve a goal—often autonomously.

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.



