Что нового в Milvus 2.3.4
В последнем обновлении, Milvus 2.3.4, мы рады представить несколько улучшений, повышающих доступность и удобство использования нашей платформы векторных баз данных. Ориентируясь на разработчиков, этот выпуск сосредоточен на упрощении мониторинга, импорта данных и эффективности поиска.
📦 PyPI: https://pypi.org/project/milvus/
📚 Документация: https://milvus.io/docs
🛠️ Примечания к выпуску: https://milvus.io/docs/release_notes.md#234
🐳 Docker Image: docker pull
🚀 Выпуск: Milvus-2.3.4
Ключевые моменты
📓Журналы доступа - Добавление журналов доступа в Milvus 2.3.4 знаменует собой шаг вперед в наших возможностях мониторинга. Эта функция записывает подробную информацию о взаимодействиях с внешними интерфейсами, такую как названия методов, пользовательские запросы, время ответа и коды ошибок. Она особенно полезна для разработчиков и системных администраторов, которым нужны более глубокие сведения о производительности системы и взаимодействиях пользователей. Эти журналы играют важную роль в диагностике проблем, тонкой настройке производительности и повышении надежности системы. В настоящее время они доступны для интерфейсов gRPC, и мы планируем расширить эту функцию в будущих обновлениях.
🗂️Поддержка файлов Parquet - Milvus 2.3.4 теперь поддерживает импорт файлов Parquet, расширяя наши возможности обработки данных. Эффективный колоночный формат хранения Parquet идеально подходит для операций с данными большого масштаба, часто обеспечивая лучшее сжатие и повышенную производительность запросов по сравнению со строковыми форматами, такими как JSON, особенно при работе со сложными и большими наборами данных. Его способность обрабатывать широкий спектр типов данных, включая вложенные и сложные структуры, предоставляет разработчикам универсальный инструмент для управления разнообразными источниками данных. Эта функция призвана дать разработчикам больше возможностей для эффективного и результативного управления данными в Milvus.
📖Индекс Binlog для растущих сегментов - Одной из заметных функций Milvus 2.3.4 является введение индекса Binlog для растущих сегментов. Это улучшение повышает эффективность поиска, позволяя использовать передовые методы индексирования, такие как IVF или Fast Scann, в растущих сегментах Milvus. Оно особенно ценно, когда наборы данных быстро расширяются, обеспечивая соответствие производительности поиска темпам роста данных. В результате поиск в растущих сегментах теперь выполняется в 10 раз быстрее, улучшая пользовательский опыт и снижая задержки.
⬆️Другие улучшения: Milvus 2.3.4 включает в этом выпуске ряд улучшений по всей платформе. Мы расширили поддержку коллекций/разделов с 4096 до 10 000, что соответствует потребностям сложных мультитенантных сред. Кроме того, это обновление приносит повышенную эффективность использования памяти, более понятные сообщения об ошибках, более высокую скорость загрузки данных и улучшенный баланс шардов запросов, обеспечивая более плавный и эффективный общий опыт.
Мы рекомендуем разработчикам посетить наши примечания к выпуску, чтобы получить подробный обзор всех новых функций и улучшений в Milvus 2.3.4.
Заключительные заметки
С Milvus 2.3.4 наше движение вперед в развитии технологии векторных баз данных продолжается. Это обновление приносит продуманные улучшения, адаптированные к повседневным потребностям разработчиков. От улучшенных возможностей поиска до надежных вариантов импорта данных — эти инструменты созданы для того, чтобы улучшить ваш опыт работы с Milvus 🛠️. Нам интересно увидеть, как эти постепенные улучшения помогут вашим проектам в области векторных баз данных. Давайте продолжать внедрять инновации и расширять границы возможного 🚀🌐.
Читать далее
VDBBench Adds Cost-Aware Benchmarking for Vector Databases
Compare Zilliz Cloud, Pinecone, and turbopuffer with VDBBench cost-aware vector database benchmarks across latency, freshness, multitenancy, and cold starts.
Zilliz Cloud Now Available in AWS Asia Pacific (Seoul)
Zilliz Cloud is now available in AWS Seoul — low-latency vector search, in-country data residency, and one-step migration for Korean AI teams. 31 regions across 5 clouds.
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.