Milvus 是一个开源的向量数据库，旨在处理大规模相似性搜索。它擅长管理和查询高维向量数据，这在图像识别、自然语言处理和推荐系统等机器学习应用中很常见。与依赖精确匹配或基于关键词查询的传统数据库不同，Milvus 使用优化算法在向量空间中查找近似最近邻（ANN）。这使其在数据表示为数值嵌入（例如通过 BERT 等模型转换的文本或通过 ResNet 处理的图像）的任务中非常高效。开发人员使用 Milvus 构建需要从海量数据集中快速检索相似项的应用。
Milvus 通过提供工具来高效索引和搜索向量数据，从而支持信息检索（IR）。例如，在搜索相似图片时，即使有数十亿个向量，Milvus 也可以在几毫秒内索引图片嵌入并返回结果。它支持多种索引方法，如 IVF_FLAT、HNSW 和 ANNOY，每种方法都在速度、准确性和内存使用之间取得了平衡。此外，Milvus 支持横向扩展，允许在多个节点上分布，以处理增加的数据量或查询负载。一个实际用例是语义文本搜索：如果您使用像 Sentence-BERT 这样的模型将文档和查询转换为向量，Milvus 可以快速找到嵌入与查询向量最接近的文档，从而实现超越关键词匹配的上下文感知搜索。
与现有工作流程的集成非常简单。Milvus 提供 Python、Java 和 Go 的 SDK 以及 REST API，使其可在各种环境中访问。它还与 TensorFlow 和 PyTorch 等机器学习框架集成，使开发人员能够构建端到端流水线——从生成嵌入到存储和查询它们。例如，在推荐系统中，可以将用户偏好和项目特征作为向量存储在 Milvus 中，并通过实时查询获取个性化推荐。动态模式支持和实时更新等功能确保数据库随着数据的发展而适应。通过抽象向量搜索的复杂性，Milvus 使开发人员能够专注于应用程序逻辑，而不是基础设施挑战。