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
Milvus 3.0 vs Elasticsearch: Closing the Search Gap
A reproducible, side-by-side walkthrough of Milvus 3.0 and Elasticsearch 9 on keyword, vector, and hybrid search — same box, same data, same analyzers, with the gaps spelled out.

Vector Lakebase: End the AI Data Silo
Learn how Vector Lakebase unifies vector search, data lakes, and AI data operations so teams can serve RAG and agents without copy-and-sync pipelines.

Vector Databases vs. Spatial Databases
Use a vector database for AI-powered similarity search; use a spatial database for geographic and geometric data analysis and querying.



