Что нового в Milvus 2.3
Мы рады объявить о выпуске Milvus 2.3.0. Этот релиз содержит множество интересных новых функций и улучшений. В этой публикации блога мы расскажем о некоторых наиболее заметных функциях. Полный список изменений смотрите в заметках к выпуску.
📦 PyPI: https://pypi.org/project/milvus/
📚 Документация: https://milvus.io/docs
🛠️ Заметки к выпуску: https://milvus.io/docs/release_notes.md#v230
🐳 Docker Image: docker pull
🚀 Релиз: milvus-2.3.0
🖥️ Вычислительные улучшения с GPU и ARM64:
Индексирование GPU через Nvidia: QPS улучшился более чем втрое по сравнению с предыдущим индексированием CPU HNSW. Для вычислительно интенсивных наборов данных производительность выросла почти в десять раз.
Docker Image для ARM64: ARM CPUs обеспечивают прирост производительности на 20% и при этом на 20% более экономичны.
🔎 Улучшения поиска и индексирования:
Диапазонный поиск: Более детальный механизм поиска, обеспечивающий извлечение векторов на основе заданных расстояний от входного вектора, что делает извлечение данных по близости более интуитивным.
Интеграция индекса ScaNN: По сравнению с HNSW или IVFFlat индекс ScaNN обеспечивает повышение производительности на 20% и работает в семь раз быстрее, чем IVFFlat.
Growing Index: По мере поступления данных Milvus 2.3 индексирует их в реальном времени, обеспечивая более быстрое выполнение запросов.
🔀 Инструменты конвейера данных:
Итератор в Pymilvus: Позволяет пакетно экспортировать большие объемы векторов, что особенно полезно при работе с данными в десятки тысяч элементов.
Операция Upsert: Одновременное обновление или вставка данных в одном запросе, что упрощает управление данными и повышает эффективность.
Поддержка CDC: Облегчает синхронизацию данных между дата-центрами, позволяет выполнять инкрементальные резервные копии и обеспечивает плавную миграцию данных.
Мы также улучшили работоспособность системы, балансировку нагрузки и производительность запросов. Было исправлено несколько ошибок, и мы оптимизировали основные компоненты, такие как ‘QueryNode’. Наша система очередей сообщений была переработана для повышения эффективности. Кроме того, такие инструменты, как Birdwatcher и Attu, получили обновления для улучшения функциональности. Ознакомьтесь с заметками к выпуску Milvus 2.3, чтобы получить полный обзор.
Заключительные замечания:
Большое спасибо нашему сообществу разработчиков. Ваши вклады, PR и отзывы сформировали Milvus 2.3. Нам очень интересно увидеть, как вы интегрируете эти обновления, и мы ждем ваших дальнейших отзывов. Продолжайте писать код! 🖥️🔧
Читать далее
Notion's Vector Search Is Excellent. Their Next Problem Is Harder.
Notion solved vector search scaling in two years. The next bottleneck — offline context engineering, unified data, and the real-time/offline gap — is harder.
Why Teams Are Migrating from Weaviate to Zilliz Cloud — and How to Do It Seamlessly
Explore how Milvus scales for large datasets and complex queries with advanced features, and discover how to migrate from Weaviate to Zilliz Cloud.
Why Deepseek is Waking up AI Giants Like OpenAI And Why You Should Care
Discover how DeepSeek R1's open-source AI model with superior reasoning capabilities and lower costs is disrupting the AI landscape and challenging tech giants like OpenAI.