لقد بنيت بحثًا عميقًا باستخدام المصادر المفتوحة - ويمكنك ذلك أيضًا!

البحث الدلالي متعدد الوسائط مع الصور والنصوص

كيف تبدأ مع ميلفوس

<p>يعلم الجميع الآن أن البحث الهجين قد حسّن من جودة البحث <a href="https://zilliz.com/learn/Retrieval-Augmented-Generation">RAG</a> (التوليد المعزز للاسترجاع). في حين أظهر البحث <a href="https://zilliz.com/learn/sparse-and-dense-embeddings">التضميني الكثيف</a> قدرات مذهلة في التقاط العلاقات الدلالية العميقة بين الاستعلامات والمستندات، إلا أنه لا يزال يعاني من قيود ملحوظة. وتشمل هذه القيود الافتقار إلى قابلية الشرح والأداء دون المستوى الأمثل مع الاستعلامات ذات الذيل الطويل والمصطلحات النادرة.</p>
<p>تعاني العديد من تطبيقات RAG لأن النماذج المدربة مسبقًا غالبًا ما تفتقر إلى المعرفة الخاصة بالمجال. في بعض السيناريوهات، تتفوق مطابقة الكلمات المفتاحية BM25 البسيطة على هذه النماذج المتطورة. هذا هو المكان الذي يعمل فيه البحث الهجين على سد الفجوة، حيث يجمع بين الفهم الدلالي لاسترجاع المتجهات الكثيفة ودقة مطابقة الكلمات المفتاحية.</p>
<h2 id="Why-Hybrid-Search-is-Complex-in-Production" class="common-anchor-header">لماذا البحث الهجين معقد في الإنتاج<button data-href="#Why-Hybrid-Search-is-Complex-in-Production" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>في حين أن أطر العمل مثل <a href="https://zilliz.com/learn/LangChain">LangChain</a> أو <a href="https://zilliz.com/learn/getting-started-with-llamaindex">LlamaIndex</a> تجعل من السهل بناء مسترجع هجين لإثبات صحة المفهوم، فإن التوسع في الإنتاج مع مجموعات البيانات الضخمة يمثل تحديًا. تتطلب البنى التقليدية قواعد بيانات متجهة ومحركات بحث منفصلة، مما يؤدي إلى العديد من التحديات الرئيسية:</p>
<ul>
<li><p>ارتفاع تكاليف صيانة البنية التحتية والتعقيد التشغيلي</p></li>
<li><p>تكرار البيانات عبر أنظمة متعددة</p></li>
<li><p>صعوبة إدارة اتساق البيانات</p></li>
<li><p>تعقيد الأمن والتحكم في الوصول عبر الأنظمة</p></li>
</ul>
<p>يحتاج السوق إلى حل موحد يدعم البحث المعجمي والدلالي مع تقليل تعقيد النظام وتكلفته.</p>
<p>
  <span class="img-wrapper">
    <img translate="no" src="https://assets.zilliz.com/elasticsearch_vs_milvus_5be6e2b69e.png" alt="" class="doc-image" id="" />
    <span></span>
  </span>
</p>
<h2 id="The-Pain-Points-of-Elasticsearch" class="common-anchor-header">نقاط الألم في Elasticsearch<button data-href="#The-Pain-Points-of-Elasticsearch" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>كان Elasticsearch أحد أكثر مشاريع البحث مفتوحة المصدر تأثيرًا في العقد الماضي. وهو مبني على Apache Lucene، وقد اكتسب شعبية من خلال أدائه العالي وقابليته للتوسع وبنيته الموزعة. وعلى الرغم من أنه أضاف بحث ANN المتجه في الإصدار 8.0، إلا أن عمليات نشر الإنتاج تواجه العديد من التحديات الحرجة:</p>
<p><strong>ارتفاع تكاليف التحديث والفهرسة:</strong> لا تفصل بنية Elasticsearch بين عمليات الكتابة وبناء الفهرس والاستعلام بشكل كامل. وهذا يؤدي إلى نفقات كبيرة في وحدة المعالجة المركزية والإدخال/الإخراج أثناء عمليات الكتابة، خاصةً في التحديثات المجمعة. ويؤثر التنازع على الموارد بين الفهرسة والاستعلام على الأداء، مما يخلق عنق زجاجة كبير لسيناريوهات التحديثات عالية التردد.</p>
<p><strong>ضعف الأداء في الوقت الحقيقي:</strong> كمحرك بحث "شبه فوري"، يقدم Elasticsearch زمن انتقال ملحوظ في رؤية البيانات. يصبح هذا التأخير إشكالية بشكل خاص لتطبيقات الذكاء الاصطناعي، مثل أنظمة الوكلاء، حيث تتطلب التفاعلات عالية التردد واتخاذ القرارات الديناميكية الوصول الفوري إلى البيانات.</p>
<p><strong>صعوبة إدارة التجزئة:</strong> بينما يستخدم Elasticsearch التجزئة في البنية الموزعة، فإن إدارة التجزئة تطرح تحديات كبيرة. يؤدي الافتقار إلى دعم التجزئة الديناميكي إلى معضلة: الكثير من الأجزاء في مجموعات البيانات الصغيرة يؤدي إلى ضعف الأداء، بينما يؤدي عدد قليل جدًا من الأجزاء في مجموعات البيانات الكبيرة إلى الحد من قابلية التوسع والتسبب في توزيع البيانات بشكل غير متساوٍ.</p>
<p><strong>البنية غير السحابية الأصلية:</strong> تم تطوير Elasticsearch قبل انتشار البنى السحابية الأصلية، حيث يربط تصميم Elasticsearch بين التخزين والحساب بإحكام، مما يحد من تكامله مع البنية التحتية الحديثة مثل السحابة العامة و Kubernetes. يتطلب توسيع نطاق الموارد زيادات متزامنة في كل من التخزين والحوسبة في وقت واحد، مما يقلل من المرونة. في السيناريوهات متعددة النسخ، يجب على كل جزء بناء فهرسه بشكل مستقل، مما يزيد من التكاليف الحسابية ويقلل من كفاءة الموارد.</p>
<p><strong>ضعف أداء البحث المتجه:</strong> على الرغم من أن Elasticsearch 8.0 قدم البحث في شبكة ANN المتجهة، إلا أن أداءه يتخلف بشكل كبير عن أداء محركات المتجهات المخصصة مثل Milvus. استنادًا إلى نواة لوسين (Lucene kernel)، أثبتت بنية فهرسها عدم كفاءتها في البيانات عالية الأبعاد، حيث تعاني من متطلبات البحث المتجهية واسعة النطاق. ويصبح الأداء غير مستقر بشكل خاص في السيناريوهات المعقدة التي تتضمن التصفية العددية والتعددية في التوريد، مما يجعل من الصعب دعم احتياجات العمل ذات الأحمال العالية أو المتنوعة.</p>
<p><strong>الاستهلاك المفرط للموارد:</strong> يضع Elasticsearch متطلبات شديدة على الذاكرة ووحدة المعالجة المركزية، خاصةً عند معالجة البيانات واسعة النطاق. يتطلب اعتماده على JVM إجراء تعديلات متكررة على حجم الكومة وضبط جمع القمامة، مما يؤثر بشدة على كفاءة الذاكرة. وتتطلب عمليات البحث المتجهية عمليات حسابية مكثفة محسّنة SIMD، والتي لا تعد بيئة JVM مثالية لها.</p>
<p>تصبح هذه القيود الأساسية إشكالية على نحو متزايد مع قيام المؤسسات بتوسيع نطاق البنية التحتية للذكاء الاصطناعي، مما يجعل Elasticsearch صعبًا بشكل خاص لتطبيقات الذكاء الاصطناعي الحديثة التي تتطلب أداءً وموثوقية عالية.</p>
<h2 id="Introducing-Sparse-BM25-Reimagining-Lexical-Search" class="common-anchor-header">تقديم Sparse-BM25: إعادة تصور البحث المعجمي<button data-href="#Introducing-Sparse-BM25-Reimagining-Lexical-Search" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>يقدم<a href="https://milvus.io/blog/introduce-milvus-2-5-full-text-search-powerful-metadata-filtering-and-more.md">Milvus 2.5</a> دعمًا أصليًا للبحث المعجمي من خلال Sparse-BM25، بناءً على إمكانات البحث الهجين التي تم تقديمها في الإصدار 2.4. يتضمن هذا النهج المبتكر المكونات الرئيسية التالية:</p>
<ul>
<li><p>ترميز متقدم ومعالجة مسبقة عبر Tantivy</p></li>
<li><p>إدارة المفردات الموزعة وتكرار المصطلحات</p></li>
<li><p>توليد متجهات متناثرة باستخدام TF TF و TF-IDF للاستعلام</p></li>
<li><p>دعم الفهرس المقلوب مع خوارزمية WAND (دعم فهرس بلوك-ماكس WAND ودعم فهرس الرسم البياني قيد التطوير)</p></li>
</ul>
<p>بالمقارنة مع Elasticsearch، يقدم Milvus مزايا كبيرة في مرونة الخوارزمية. يتيح حساب التشابه القائم على المسافة المتجهة الخاص به مطابقة أكثر تعقيدًا، بما في ذلك تنفيذ TW-BERT (ترجيح المصطلحات BERT) استنادًا إلى بحث "ترجيح المصطلحات من النهاية إلى النهاية في الاستعلام". وقد أظهر هذا النهج أداءً فائقًا في كل من الاختبار داخل المجال وخارج المجال.</p>
<p>ميزة أخرى مهمة هي كفاءة التكلفة. من خلال الاستفادة من كل من الفهرس المقلوب وضغط التضمين الكثيف، يحقق Milvus تحسناً في الأداء بمقدار خمسة أضعاف مع انخفاض في الاستدعاء بنسبة أقل من 1%. من خلال تشذيب الفترات الخلفية وتكميم المتجهات، تم تقليل استخدام الذاكرة بنسبة تزيد عن 50%.</p>
<p>يبرز تحسين الاستعلام الطويل كنقطة قوة خاصة. فبينما تعاني خوارزميات WAND التقليدية مع الاستعلامات الطويلة، تتفوق Milvus من خلال الجمع بين التضمينات المتفرقة ومؤشرات الرسم البياني، مما يؤدي إلى تحسين الأداء بمقدار عشرة أضعاف في سيناريوهات البحث عن المتجهات المتفرقة عالية الأبعاد.</p>
<p>
  <span class="img-wrapper">
    <img translate="no" src="https://assets.zilliz.com/document_in_and_out_b84771bec4.png" alt="" class="doc-image" id="" />
    <span></span>
  </span>
</p>
<h2 id="Milvus-The-Ultimate-Vector-Database-for-RAG" class="common-anchor-header">Milvus: قاعدة بيانات المتجهات المطلقة ل RAG<button data-href="#Milvus-The-Ultimate-Vector-Database-for-RAG" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>Milvus هو الخيار الأول لتطبيقات RAG من خلال مجموعة ميزاته الشاملة. تشمل المزايا الرئيسية ما يلي:</p>
<ul>
<li><p>دعم غني للبيانات الوصفية مع إمكانات مخطط ديناميكي وخيارات تصفية قوية</p></li>
<li><p>تعدد الاستئجار على مستوى المؤسسات مع عزل مرن من خلال المجموعات والأقسام ومفاتيح الأقسام</p></li>
<li><p>دعم فهرس متجه القرص الأول من نوعه في المجال مع تخزين متعدد المستويات من الذاكرة إلى S3</p></li>
<li><p>قابلية التوسع السحابي الأصلي الذي يدعم التوسع السلس من 10 ملايين إلى أكثر من 1 مليار ناقل</p></li>
<li><p>قدرات بحث شاملة، بما في ذلك التجميع والنطاق والبحث الهجين</p></li>
<li><p>تكامل النظام البيئي العميق مع LangChain وLlamaIndex وDify وأدوات الذكاء الاصطناعي الأخرى</p></li>
</ul>
<p>تشمل إمكانيات البحث المتنوعة للنظام منهجيات التجميع والنطاق والبحث المختلط. إن التكامل العميق مع أدوات مثل LangChain وLlamaIndex وDify، بالإضافة إلى دعم العديد من منتجات الذكاء الاصطناعي، يضع Milvus في مركز منظومة البنية التحتية الحديثة للذكاء الاصطناعي.</p>
<h2 id="Looking-Forward" class="common-anchor-header">التطلع إلى الأمام<button data-href="#Looking-Forward" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>مع انتقال الذكاء الاصطناعي من مرحلة التشغيل التجريبي إلى مرحلة الإنتاج، تواصل ميلفوس التطور. نحن نركز على جعل البحث المتجه أكثر سهولة وفعالية من حيث التكلفة مع تحسين جودة البحث. وسواء كنت شركة ناشئة أو مؤسسة، فإن Milvus تقلل من العوائق التقنية أمام تطوير تطبيقات الذكاء الاصطناعي.</p>
<p>وقد قادنا هذا الالتزام بإمكانية الوصول والابتكار إلى خطوة رئيسية أخرى إلى الأمام. بينما يستمر حلنا المفتوح المصدر في العمل كأساس لآلاف التطبيقات في جميع أنحاء العالم، فإننا ندرك أن العديد من المؤسسات تحتاج إلى حل مُدار بالكامل يزيل النفقات التشغيلية.</p>
<h2 id="Zilliz-Cloud-The-Managed-Solution" class="common-anchor-header">زيليز كلاود: الحل المُدار<button data-href="#Zilliz-Cloud-The-Managed-Solution" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>لقد قمنا ببناء <a href="https://zilliz.com/cloud">Zilliz Cloud</a>، وهي خدمة قاعدة بيانات متجهة مُدارة بالكامل تستند إلى Milvus، على مدى السنوات الثلاث الماضية. ومن خلال إعادة تنفيذ السحابة الأصلية لبروتوكول Milvus، فإنه يوفر قابلية استخدام محسّنة وكفاءة من حيث التكلفة والأمان.</p>
<p>وبالاستفادة من خبرتنا في صيانة أكبر مجموعات البحث المتجه في العالم ودعم الآلاف من مطوري تطبيقات الذكاء الاصطناعي، تقلل Zilliz Cloud بشكل كبير من النفقات التشغيلية والتكاليف مقارنة بالحلول المستضافة ذاتيًا.</p>
<p>هل أنت مستعد لتجربة مستقبل البحث المتجه؟ ابدأ تجربتك المجانية اليوم مع أرصدة تصل إلى 200 دولار أمريكي، دون الحاجة إلى بطاقة ائتمان.</p>


مات Elasticsearch، فليحيا البحث المعجمي

الشروع في استخدام البحث الدلالي الهجين/البحث عن النص الكامل مع ميلفوس 2.5

نقدم لك Milvus 2.5: بحث بالنص الكامل، وتصفية أكثر قوة للبيانات الوصفية، وتحسينات في سهولة الاستخدام!

البحث الدلالي مقابل البحث بالنص الكامل: أيهما أختار في ميلفوس 2.5؟

تصميم نظام RAG متعدد الإيجارات باستخدام Milvus: أفضل الممارسات لقواعد المعرفة المؤسسية القابلة للتطوير

كيفية المساهمة في ميلفوس: بداية سريعة للمطورين

Getting Started with HNSWlib

بدء استخدام HNSWlib

<p>نحن متحمسون لتقديم ساعات عمل أسبوعية لمستخدمي Milvus للحصول على دعم عملي في مشاريع <a href="https://zilliz.com/learn/what-is-vector-database">قواعد البيانات المتجهة</a> الخاصة بهم! انضم إلى فريق الخبراء لدينا في جلسة فردية مدتها 20 دقيقة للحصول على رؤى وإرشادات وإجابات على أسئلتك. سواء كنت قد بدأت للتو أو تحتاج إلى مساعدة في مشكلة معينة، نحن هنا لمساعدتك في تحقيق أقصى استفادة من Milvus.</p>
<p><strong>احجز جلسة ساعات العمل هنا<a href="https://meetings.hubspot.com/chloe-williams1/milvus-office-hours">:https://meetings.hubspot.com/chloe-williams1/milvus-office-hours</a></strong></p>
<h2 id="Why-Book-a-Session" class="common-anchor-header">لماذا تحجز جلسة؟<button data-href="#Why-Book-a-Session" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>إليك بعض الأسباب الرائعة لحجز وقت خلال ساعات العمل لدينا:</p>
<ul>
<li><p><strong>تحسين أداء ميلفوس:</strong> احصل على نصائح حول ضبط التكوينات لتعزيز أداء قاعدة البيانات.</p></li>
<li><p><strong>نصائح حول تصميم مخطط البيانات:</strong> تعرف على أفضل الممارسات لمخطط البيانات وأنواع الفهارس لتناسب حالة استخدامك على أفضل وجه.</p></li>
<li><p><strong>توسيع نطاق نشر ميلفوس الخاص بك:</strong> احصل على نصائح حول إدارة وتوسيع نطاق ميلفوس لأحجام البيانات الكبيرة.</p></li>
<li><p><strong>استكشاف مشاكل محددة وإصلاحها:</strong> هل أنت عالق في خطأ أو سلوك غير عادي؟ يمكننا المساعدة في استكشاف الأخطاء وإصلاحها وحلها.</p></li>
<li><p><strong>المساعدة في التكامل:</strong> هل تحتاج إلى إرشادات حول استخدام Milvus مع أطر عمل متكاملة أخرى مثل LangChain أو LlamaIndex أو Spark أو خطوط أنابيب معالجة البيانات الخاصة بك؟</p></li>
<li><p><strong>التعرف على الميزات الجديدة:</strong> اطلع على أحدث إمكانيات Milvus وكيف يمكن أن تفيد مشروعك.</p></li>
</ul>
<p>لا تفوّت هذه الفرصة للارتقاء بمستوى تطبيق Milvus الخاص بك مع إرشادات الخبراء.</p>
<p>إذا لم تتمكن من الانضمام إلينا مباشرة، فلا تقلق - لا يزال هناك الكثير من الطرق للحصول على الدعم! مجتمع Milvus نشط ومستعد للمساعدة على كل من <a href="https://discord.com/invite/8uyFbECzPX">Discord</a><a href="https://github.com/search?q=milvus&amp;type=discussions"> ومناقشات GitHub</a>. سواءً كنت تفضل الدردشة المباشرة أو المناقشات غير المتزامنة، فإن هذه المنصات هي مكان رائع لطرح الأسئلة ومشاركة المعرفة والتواصل مع مستخدمي Milvus الآخرين والمساهمين.</p>


انضم إلى ساعات عمل Milvus المكتبية للحصول على الدعم من خبراء Vector DB!

What are Matryoshka Embeddings?

تضمينات ماتريوشكا: التفاصيل بمقاييس متعددة

كيفية استخدام أداة النسخ الاحتياطي ميلفوس: دليل خطوة بخطوة

نشر Milvus على Kubernetes: دليل تفصيلي لمستخدمي Kubernetes خطوة بخطوة

كيفية نشر قاعدة بيانات Milvus Vector مفتوحة المصدر على Amazon EKS

<p><a href="https://milvus.io/intro">Milvus</a> هي قاعدة بيانات متجهة مفتوحة المصدر مصممة خصيصًا لتطبيقات الذكاء الاصطناعي. سواء كنت تعمل على التعلم الآلي، أو التعلم العميق، أو أي مشروع آخر متعلق بالذكاء الاصطناعي، فإن Milvus يوفر طريقة قوية وفعالة للتعامل مع البيانات المتجهة واسعة النطاق.</p>
<p>والآن، مع <a href="https://milvus.io/docs/embeddings.md">تكامل وحدة النموذج</a> في PyMilvus، وهي مجموعة أدوات تطوير البرمجيات Python SDK لـ Milvus، أصبح من الأسهل إضافة نماذج التضمين وإعادة التصنيف. يعمل هذا التكامل على تبسيط تحويل بياناتك إلى متجهات قابلة للبحث أو إعادة ترتيب النتائج للحصول على نتائج أكثر دقة، كما هو الحال في <a href="https://zilliz.com/learn/Retrieval-Augmented-Generation">التوليد المعزز للاسترجاع (RAG)</a>.</p>
<p>في هذه المدونة، سنستعرض نماذج التضمين الكثيف ونماذج التضمين المتناثرة، ونماذج إعادة التصنيف، وسنوضح كيفية استخدامها عمليًا باستخدام <a href="https://milvus.io/blog/introducing-milvus-lite.md">Milvus Lite،</a> وهو إصدار خفيف الوزن من Milvus يمكن تشغيله محليًا في تطبيقات Python الخاصة بك.</p>
<h2 id="Dense-vs-Sparse-Embeddings" class="common-anchor-header">التضمينات الكثيفة مقابل التضمينات المتفرقة<button data-href="#Dense-vs-Sparse-Embeddings" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>قبل أن نطلعك على كيفية استخدام عمليات التكامل الخاصة بنا، دعنا نلقي نظرة على فئتين رئيسيتين من التضمينات المتجهة.</p>
<p>تنقسم<a href="https://zilliz.com/glossary/vector-embeddings">تضمينات المتجهات</a> عمومًا إلى فئتين رئيسيتين: <a href="https://zilliz.com/learn/sparse-and-dense-embeddings"><strong>التضمينات الكثيفة</strong> والتضمينات <strong>المتفرقة</strong></a>.</p>
<ul>
<li><p>التضمينات الكثيفة هي متجهات عالية الأبعاد تكون فيها معظم العناصر أو كلها غير صفرية، مما يجعلها مثالية لترميز دلالات النص أو المعنى الضبابي.</p></li>
<li><p>أما التضمينات المتفرقة فهي متجهات عالية الأبعاد تحتوي على العديد من العناصر الصفرية، وهي مناسبة بشكل أفضل لترميز المفاهيم الدقيقة أو المتجاورة.</p></li>
</ul>
<p>يدعم Milvus كلا النوعين من التضمينات ويوفر بحثًا هجينًا. يتيح لك <a href="https://zilliz.com/blog/hybrid-search-with-milvus">البحث الهجين</a> إجراء عمليات بحث عبر حقول متجهات مختلفة ضمن نفس المجموعة. يمكن أن تمثل هذه المتجهات أوجهًا مختلفة من البيانات، أو استخدام نماذج تضمين متنوعة، أو استخدام طرق معالجة بيانات مختلفة، ودمج النتائج باستخدام أدوات إعادة الترتيب.</p>
<h2 id="How-to-Use-Our-Embedding-and-Reranking-Integrations" class="common-anchor-header">كيفية استخدام تكاملات التضمين وإعادة التصنيف الخاصة بنا<button data-href="#How-to-Use-Our-Embedding-and-Reranking-Integrations" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>في الأقسام التالية، سنشرح ثلاثة أمثلة عملية لاستخدام عمليات التكامل الخاصة بنا لتوليد التضمينات وإجراء عمليات البحث عن المتجهات.</p>
<h3 id="Example-1-Use-the-Default-Embedding-Function-to-Generate-Dense-Vectors" class="common-anchor-header">مثال 1: استخدام وظيفة التضمين الافتراضية لتوليد متجهات كثيفة</h3><p>يجب عليك تثبيت العميل <code translate="no">pymilvus</code> مع الحزمة <code translate="no">model</code> لاستخدام وظائف التضمين وإعادة الترتيب مع ميلفوس.</p>
<pre><code translate="no">pip install <span class="hljs-string">&quot;pymilvus[model]&quot;</span>
<button class="copy-code-btn"></button></code></pre>
<p>ستعمل هذه الخطوة على تثبيت Milvus <a href="https://milvus.io/docs/quickstart.md">Lite،</a> مما يسمح لك بتشغيل Milvus محليًا داخل تطبيق Python الخاص بك. تتضمن أيضًا الحزمة الفرعية للنموذج، والتي تتضمن جميع الأدوات المساعدة للتضمين وإعادة الترتيب.</p>
<p>تدعم الحزمة الفرعية للنموذج نماذج التضمين المختلفة، بما في ذلك نماذج OpenAI، و <a href="https://zilliz.com/learn/Sentence-Transformers-for-Long-Form-Text">Sentence Transformers،</a> و <a href="https://zilliz.com/learn/bge-m3-and-splade-two-machine-learning-models-for-generating-sparse-embeddings">BGE-M3،</a> و BM25، و <a href="https://zilliz.com/learn/bge-m3-and-splade-two-machine-learning-models-for-generating-sparse-embeddings">SPLADE،</a> ونماذج Jina AI المدربة مسبقًا.</p>
<p>يستخدم هذا المثال <code translate="no">DefaultEmbeddingFunction</code> ، استنادًا إلى نموذج <code translate="no">all-MiniLM-L6-v2</code> Sentence Transformer Sentence Transformer للتبسيط. يبلغ حجم النموذج حوالي 70 ميغابايت وسيتم تنزيله أثناء الاستخدام الأول:</p>
<pre><code translate="no"><span class="hljs-keyword">from</span> pymilvus <span class="hljs-keyword">import</span> model

<span class="hljs-comment"># This will download &quot;all-MiniLM-L6-v2&quot;, a lightweight model.</span>
ef = model.DefaultEmbeddingFunction()

<span class="hljs-comment"># Data from which embeddings are to be generated</span>
docs = [
   <span class="hljs-string">&quot;Artificial intelligence was founded as an academic discipline in 1956.&quot;</span>,
   <span class="hljs-string">&quot;Alan Turing was the first person to conduct substantial research in AI.&quot;</span>,
   <span class="hljs-string">&quot;Born in Maida Vale, London, Turing was raised in southern England.&quot;</span>,
]

embeddings = ef.encode_documents(docs)

<span class="hljs-built_in">print</span>(<span class="hljs-string">&quot;Embeddings:&quot;</span>, embeddings)
<span class="hljs-comment"># Print dimension and shape of embeddings</span>
<span class="hljs-built_in">print</span>(<span class="hljs-string">&quot;Dim:&quot;</span>, ef.dim, embeddings[<span class="hljs-number">0</span>].shape)
<button class="copy-code-btn"></button></code></pre>
<p>يجب أن تكون المخرجات المتوقعة مثل ما يلي:</p>
<pre><code translate="no">Embeddings: [array([<span class="hljs-number">-3.09392996e-02</span>, <span class="hljs-number">-1.80662833e-02</span>,  <span class="hljs-number">1.34775648e-02</span>,  <span class="hljs-number">2.77156215e-02</span>,
      <span class="hljs-number">-4.86349640e-03</span>, <span class="hljs-number">-3.12581174e-02</span>, <span class="hljs-number">-3.55921760e-02</span>,  <span class="hljs-number">5.76934684e-03</span>,
       <span class="hljs-number">2.80773244e-03</span>,  <span class="hljs-number">1.35783911e-01</span>,  <span class="hljs-number">3.59678417e-02</span>,  <span class="hljs-number">6.17732145e-02</span>,
...
      <span class="hljs-number">-4.61330153e-02</span>, <span class="hljs-number">-4.85207550e-02</span>,  <span class="hljs-number">3.13997865e-02</span>,  <span class="hljs-number">7.82178566e-02</span>,
      <span class="hljs-number">-4.75336798e-02</span>,  <span class="hljs-number">5.21207601e-02</span>,  <span class="hljs-number">9.04406682e-02</span>, <span class="hljs-number">-5.36676683e-02</span>],
     dtype=<span class="hljs-type">float32</span>)]
Dim: <span class="hljs-number">384</span> (<span class="hljs-number">384</span>,)
<button class="copy-code-btn"></button></code></pre>
<h3 id="Example-2-Generate-Sparse-Vectors-Using-The-BM25-Model" class="common-anchor-header">مثال 2: توليد متجهات متفرقة باستخدام نموذج BM25</h3><p>BM25 هي طريقة معروفة تستخدم ترددات تكرار الكلمات لتحديد العلاقة بين الاستعلامات والمستندات. في هذا المثال، سنوضح في هذا المثال كيفية استخدام <code translate="no">BM25EmbeddingFunction</code> لتوليد تضمينات متفرقة للاستعلامات والمستندات.</p>
<p>في BM25، من المهم حساب الإحصائيات في مستنداتك للحصول على IDF (التردد العكسي للمستند)، والذي يمكن أن يمثل الأنماط في مستنداتك. يقيس IDF مقدار المعلومات التي توفرها الكلمة، سواء كانت شائعة أو نادرة في جميع المستندات.</p>
<pre><code translate="no"><span class="hljs-keyword">from</span> pymilvus.model.sparse <span class="hljs-keyword">import</span> BM25EmbeddingFunction

<span class="hljs-comment"># 1. Prepare a small corpus to search</span>
docs = [
   <span class="hljs-string">&quot;Artificial intelligence was founded as an academic discipline in 1956.&quot;</span>,
   <span class="hljs-string">&quot;Alan Turing was the first person to conduct substantial research in AI.&quot;</span>,
   <span class="hljs-string">&quot;Born in Maida Vale, London, Turing was raised in southern England.&quot;</span>,
]
query = <span class="hljs-string">&quot;Where was Turing born?&quot;</span>
bm25_ef = BM25EmbeddingFunction()

<span class="hljs-comment"># 2. Fit the corpus to get BM25 model parameters on your documents.</span>
bm25_ef.fit(docs)

<span class="hljs-comment"># 3. Store the fitted parameters to expedite future processing.</span>
bm25_ef.save(<span class="hljs-string">&quot;bm25_params.json&quot;</span>)

<span class="hljs-comment"># 4. Load the saved params</span>
new_bm25_ef = BM25EmbeddingFunction()
new_bm25_ef.load(<span class="hljs-string">&quot;bm25_params.json&quot;</span>)

docs_embeddings = new_bm25_ef.encode_documents(docs)
query_embeddings = new_bm25_ef.encode_queries([query])
<span class="hljs-built_in">print</span>(<span class="hljs-string">&quot;Dim:&quot;</span>, new_bm25_ef.dim, <span class="hljs-built_in">list</span>(docs_embeddings)[<span class="hljs-number">0</span>].shape)
<button class="copy-code-btn"></button></code></pre>
<h3 id="Example-3-Using-a-ReRanker" class="common-anchor-header">مثال 3: استخدام أداة إعادة التصنيف</h3><p>يهدف نظام البحث إلى العثور على النتائج الأكثر صلة بسرعة وكفاءة. تقليديًا، تم استخدام طرق مثل BM25 أو TF-IDF لترتيب نتائج البحث بناءً على مطابقة الكلمات الرئيسية. أما الطرق الحديثة، مثل تشابه جيب التمام القائم على التضمين، فهي طرق مباشرة ولكنها قد تغفل في بعض الأحيان عن التفاصيل الدقيقة للغة، والأهم من ذلك، التفاعل بين المستندات ومقصد الاستعلام.</p>
<p>هذا هو المكان الذي يساعد فيه استخدام أداة <a href="https://zilliz.com/learn/optimize-rag-with-rerankers-the-role-and-tradeoffs">إعادة التصنيف</a>. أداة إعادة الترتيب هي نموذج متقدم للذكاء الاصطناعي يأخذ مجموعة النتائج الأولية من البحث - غالبًا ما يتم توفيرها من خلال بحث قائم على التضمينات/الرموز - ويعيد تقييمها للتأكد من أنها تتوافق بشكل أوثق مع قصد المستخدم. فهو ينظر إلى ما هو أبعد من المطابقة السطحية للمصطلحات للنظر في التفاعل الأعمق بين استعلام البحث ومحتوى المستندات.</p>
<p>في هذا المثال، سوف نستخدم <a href="https://milvus.io/docs/integrate_with_jina.md">أداة إعادة التصنيف بالذكاء الاصطناعي "جينا"</a>.</p>
<pre><code translate="no"><span class="hljs-keyword">from</span> pymilvus.model.reranker <span class="hljs-keyword">import</span> JinaRerankFunction

jina_api_key = <span class="hljs-string">&quot;&lt;YOUR_JINA_API_KEY&gt;&quot;</span>

rf = JinaRerankFunction(<span class="hljs-string">&quot;jina-reranker-v1-base-en&quot;</span>, jina_api_key)

query = <span class="hljs-string">&quot;What event in 1956 marked the official birth of artificial intelligence as a discipline?&quot;</span>

documents = [
   <span class="hljs-string">&quot;In 1950, Alan Turing published his seminal paper, &#x27;Computing Machinery and Intelligence,&#x27; proposing the Turing Test as a criterion of intelligence, a foundational concept in the philosophy and development of artificial intelligence.&quot;</span>,
   <span class="hljs-string">&quot;The Dartmouth Conference in 1956 is considered the birthplace of artificial intelligence as a field; here, John McCarthy and others coined the term &#x27;artificial intelligence&#x27; and laid out its basic goals.&quot;</span>,
   <span class="hljs-string">&quot;In 1951, British mathematician and computer scientist Alan Turing also developed the first program designed to play chess, demonstrating an early example of AI in game strategy.&quot;</span>,
   <span class="hljs-string">&quot;The invention of the Logic Theorist by Allen Newell, Herbert A. Simon, and Cliff Shaw in 1955 marked the creation of the first true AI program, which was capable of solving logic problems, akin to proving mathematical theorems.&quot;</span>
]

results = rf(query, documents)

<span class="hljs-keyword">for</span> result <span class="hljs-keyword">in</span> results:
   <span class="hljs-built_in">print</span>(<span class="hljs-string">f&quot;Index: <span class="hljs-subst">{result.index}</span>&quot;</span>)
   <span class="hljs-built_in">print</span>(<span class="hljs-string">f&quot;Score: <span class="hljs-subst">{result.score:<span class="hljs-number">.6</span>f}</span>&quot;</span>)
   <span class="hljs-built_in">print</span>(<span class="hljs-string">f&quot;Text: <span class="hljs-subst">{result.text}</span>\n&quot;</span>)
<button class="copy-code-btn"></button></code></pre>
<p>الناتج المتوقع مشابه لما يلي:</p>
<pre><code translate="no">Index: <span class="hljs-number">1</span>
Score: <span class="hljs-number">0.937096</span>
Text: The Dartmouth Conference <span class="hljs-keyword">in</span> <span class="hljs-number">1956</span> <span class="hljs-keyword">is</span> considered the birthplace of artificial intelligence <span class="hljs-keyword">as</span> a field; here, John McCarthy <span class="hljs-keyword">and</span> others coined the term <span class="hljs-string">&#x27;artificial intelligence&#x27;</span> <span class="hljs-keyword">and</span> laid <span class="hljs-keyword">out</span> its basic goals.

Index: <span class="hljs-number">3</span>
Score: <span class="hljs-number">0.354210</span>
Text: The invention of the Logic Theorist <span class="hljs-keyword">by</span> Allen Newell, Herbert A. Simon, <span class="hljs-keyword">and</span> Cliff Shaw <span class="hljs-keyword">in</span> <span class="hljs-number">1955</span> marked the creation of the first <span class="hljs-literal">true</span> AI program, which was capable of solving logic problems, akin to proving mathematical theorems.

Index: <span class="hljs-number">0</span>
Score: <span class="hljs-number">0.349866</span>
Text: In <span class="hljs-number">1950</span>, Alan Turing published his seminal paper, <span class="hljs-string">&#x27;Computing Machinery and Intelligence,&#x27;</span> proposing the Turing Test <span class="hljs-keyword">as</span> a criterion of intelligence, a foundational concept <span class="hljs-keyword">in</span> the philosophy <span class="hljs-keyword">and</span> development of artificial intelligence.

Index: <span class="hljs-number">2</span>
Score: <span class="hljs-number">0.272896</span>
Text: In <span class="hljs-number">1951</span>, British mathematician <span class="hljs-keyword">and</span> computer scientist Alan Turing also developed the first program designed to play chess, demonstrating an early example of AI <span class="hljs-keyword">in</span> game strategy.
<button class="copy-code-btn"></button></code></pre>
<h2 id="Star-Us-On-GitHub-and-Join-Our-Discord" class="common-anchor-header">ضع نجمة لنا على GitHub وانضم إلى خلافنا!<button data-href="#Star-Us-On-GitHub-and-Join-Our-Discord" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>إذا أعجبك هذا المنشور في المدونة، ففكر في وضع نجمة ميلفوس على <a href="https://github.com/milvus-io/milvus">GitHub،</a> ولا تتردد في الانضمام إلى <a href="https://discord.gg/FG6hMJStWu">خلافنا</a>! 💙</p>


تقديم تكامل PyMilvus مع نماذج التضمين

<p>
  <span class="img-wrapper">
    <img translate="no" src="https://assets.zilliz.com/2_72e444c8dc.JPG" alt="" class="doc-image" id="" />
    <span></span>
  </span>
</p>
<p>نحن متحمسون لتقديم <a href="https://milvus.io/docs/milvus_lite.md">Milvus Lite،</a> وهي قاعدة بيانات متجهات خفيفة الوزن تعمل محليًا داخل تطبيق Python الخاص بك. استنادًا إلى قاعدة بيانات <a href="https://milvus.io/intro">Milvus</a> المتجهة الشهيرة مفتوحة المصدر، تعيد Milvus Lite استخدام المكونات الأساسية لفهرسة المتجهات وتحليل الاستعلامات مع إزالة العناصر المصممة لقابلية التوسع العالية في الأنظمة الموزعة. يجعل هذا التصميم حلًا مدمجًا وفعالًا مثاليًا للبيئات ذات موارد الحوسبة المحدودة، مثل أجهزة الكمبيوتر المحمولة وأجهزة Jupyter Notebook والأجهزة المحمولة أو الأجهزة المتطورة.</p>
<p>يتكامل Milvus Lite مع العديد من حزم تطوير الذكاء الاصطناعي مثل LangChain وLlamaIndex، مما يتيح استخدامه كمخزن متجه في خطوط أنابيب الاسترجاع المعززة (RAG) دون الحاجة إلى إعداد الخادم. ما عليك سوى تشغيل <code translate="no">pip install pymilvus</code> (الإصدار 2.4.3 أو أعلى) لدمجه في تطبيق الذكاء الاصطناعي الخاص بك كمكتبة بايثون.</p>
<p>يشارك Milvus Lite واجهة برمجة تطبيقات Milvus، مما يضمن أن تعمل شفرتك من جانب العميل مع كل من عمليات النشر المحلية صغيرة النطاق وخوادم Milvus المنشورة على Docker أو Kubernetes مع مليارات المتجهات.</p>
<h2 id="Why-We-Built-Milvus-Lite" class="common-anchor-header">لماذا صممنا Milvus Lite<button data-href="#Why-We-Built-Milvus-Lite" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>تتطلب العديد من تطبيقات الذكاء الاصطناعي البحث عن تشابه المتجهات للبيانات غير المهيكلة، بما في ذلك النصوص والصور والأصوات ومقاطع الفيديو، لتطبيقات مثل روبوتات الدردشة الآلية ومساعدات التسوق. صُممت قواعد البيانات المتجهة لتخزين التضمينات المتجهة والبحث فيها وهي جزء أساسي من مجموعة تطوير الذكاء الاصطناعي، خاصةً لحالات استخدام الذكاء الاصطناعي التوليدي مثل <a href="https://zilliz.com/learn/Retrieval-Augmented-Generation">التوليد المعزز للاسترجاع (RAG)</a>.</p>
<p>وعلى الرغم من توافر العديد من حلول البحث عن المتجهات، إلا أنه لم يكن هناك خيار سهل التشغيل يعمل أيضًا لعمليات النشر الإنتاجية واسعة النطاق. وبصفتنا مبتكري Milvus، قمنا بتصميم Milvus Lite لمساعدة مطوري الذكاء الاصطناعي على إنشاء تطبيقات أسرع مع ضمان تجربة متسقة عبر خيارات النشر المختلفة، بما في ذلك Milvus على Kubernetes وDocker والخدمات السحابية المُدارة.</p>
<p>يعد Milvus Lite إضافة مهمة إلى مجموعة عروضنا ضمن نظام Milvus البيئي. فهو يوفر للمطورين أداة متعددة الاستخدامات تدعم كل مرحلة من مراحل رحلة التطوير الخاصة بهم. من النماذج الأولية إلى بيئات الإنتاج ومن الحوسبة المتطورة إلى عمليات النشر واسعة النطاق، أصبحت Milvus الآن قاعدة البيانات المتجهة الوحيدة التي تغطي حالات الاستخدام من أي حجم وفي جميع مراحل التطوير.</p>
<h2 id="How-Milvus-Lite-Works" class="common-anchor-header">كيف يعمل ميلفوس لايت<button data-href="#How-Milvus-Lite-Works" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>يدعم Milvus Lite جميع العمليات الأساسية المتوفرة في Milvus، مثل إنشاء المجموعات وإدراج المتجهات والبحث عنها وحذفها. وسيدعم قريبًا ميزات متقدمة مثل البحث الهجين. يقوم Milvus Lite بتحميل البيانات في الذاكرة لإجراء عمليات بحث فعالة واستمرارها كملف SQLite.</p>
<p>يتم تضمين Milvus Lite في <a href="https://github.com/milvus-io/pymilvus">Python SDK الخاص بـ Milvus</a> ويمكن نشره باستخدام <code translate="no">pip install pymilvus</code>. يوضح المقتطف البرمجي التالي كيفية إعداد قاعدة بيانات متجهية باستخدام Milvus Lite عن طريق تحديد اسم ملف محلي ثم إنشاء مجموعة جديدة. بالنسبة لأولئك الذين هم على دراية بواجهة برمجة تطبيقات Milvus، فإن الفرق الوحيد هو أن <code translate="no">uri</code> يشير إلى اسم ملف محلي بدلاً من نقطة نهاية الشبكة، على سبيل المثال، <code translate="no">&quot;milvus_demo.db&quot;</code> بدلاً من <code translate="no">&quot;http://localhost:19530&quot;</code> لخادم Milvus. كل شيء آخر يبقى كما هو. يدعم Milvus Lite أيضًا تخزين النص الخام والتسميات الأخرى كبيانات وصفية، باستخدام مخطط ديناميكي أو محدد بشكل صريح، كما هو موضح أدناه.</p>
<pre><code translate="no"><span class="hljs-keyword">from</span> pymilvus <span class="hljs-keyword">import</span> MilvusClient

client = MilvusClient(<span class="hljs-string">&quot;milvus_demo.db&quot;</span>)
<span class="hljs-comment"># This collection can take input with mandatory fields named &quot;id&quot;, &quot;vector&quot; and</span>
<span class="hljs-comment"># any other fields as &quot;dynamic schema&quot;. You can also define the schema explicitly.</span>
client.create_collection(
    collection_name=<span class="hljs-string">&quot;demo_collection&quot;</span>,
    dimension=<span class="hljs-number">384</span>  <span class="hljs-comment"># Dimension for vectors.</span>
)
<button class="copy-code-btn"></button></code></pre>
<p>من أجل قابلية التوسع، يمكن لتطبيق ذكاء اصطناعي تم تطويره باستخدام Milvus Lite الانتقال بسهولة إلى استخدام Milvus المنشور على Docker أو Kubernetes بمجرد تحديد <code translate="no">uri</code> مع نقطة نهاية الخادم.</p>
<h2 id="Integration-with-AI-Development-Stack" class="common-anchor-header">التكامل مع مكدس تطوير الذكاء الاصطناعي<button data-href="#Integration-with-AI-Development-Stack" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>بالإضافة إلى تقديم Milvus Lite لجعل البحث المتجه سهل البدء به، تتكامل Milvus أيضًا مع العديد من أطر العمل ومزودي حزمة تطوير الذكاء الاصطناعي، بما في ذلك <a href="https://python.langchain.com/v0.2/docs/integrations/vectorstores/milvus/">LangChain</a> <a href="https://docs.llamaindex.ai/en/stable/examples/vector_stores/MilvusIndexDemo/">وLlamaIndex</a> <a href="https://haystack.deepset.ai/integrations/milvus-document-store">وHaystack</a> <a href="https://blog.voyageai.com/2024/05/30/semantic-search-with-milvus-lite-and-voyage-ai/">وVoyage AI</a> <a href="https://milvus.io/docs/integrate_with_ragas.md">وRagas</a> <a href="https://jina.ai/news/implementing-a-chat-history-rag-with-jina-ai-and-milvus-lite/">وJina AI</a> <a href="https://dspy-docs.vercel.app/docs/deep-dive/retrieval_models_clients/MilvusRM">وDSPy</a> <a href="https://www.bentoml.com/blog/building-a-rag-app-with-bentocloud-and-milvus-lite">وBentoML</a> <a href="https://chiajy.medium.com/70873c7576f1">وWayHow</a> <a href="https://blog.relari.ai/case-study-using-synthetic-data-to-benchmark-rag-systems-be324904ace1">وRealari AI</a> <a href="https://docs.airbyte.com/integrations/destinations/milvus">وAirbyte</a> <a href="https://milvus.io/docs/integrate_with_hugging-face.md">وHuggingFace</a> <a href="https://memgpt.readme.io/docs/storage#milvus">وMemGPT</a>. وبفضل أدواتها وخدماتها الشاملة، تعمل عمليات التكامل هذه على تبسيط تطوير تطبيقات الذكاء الاصطناعي مع إمكانية البحث المتجه.</p>
<p>وهذه ليست سوى البداية فقط - هناك العديد من عمليات التكامل المثيرة التي ستحدث قريباً! ترقبوا المزيد!</p>
<h2 id="More-Resources-and-Examples" class="common-anchor-header">المزيد من الموارد والأمثلة<button data-href="#More-Resources-and-Examples" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>استكشف <a href="https://milvus.io/docs/quickstart.md">وثائق Milvus للبدء السريع</a> للحصول على أدلة تفصيلية وأمثلة على التعليمات البرمجية حول استخدام Milvus Lite لبناء تطبيقات الذكاء الاصطناعي مثل الاسترجاع المعزز<a href="https://github.com/milvus-io/bootcamp/blob/master/bootcamp/tutorials/quickstart/build_RAG_with_milvus.ipynb">(RAG)</a> <a href="https://github.com/milvus-io/bootcamp/blob/master/bootcamp/tutorials/quickstart/image_search_with_milvus.ipynb">والبحث عن الصور</a>.</p>
<p>ميلفوس لايت هو مشروع مفتوح المصدر، ونحن نرحب بمساهماتك. اطلع على <a href="https://github.com/milvus-io/milvus-lite/blob/main/CONTRIBUTING.md">دليل المساهمة</a> للبدء. يمكنك أيضًا الإبلاغ عن الأخطاء أو طلب ميزات عن طريق تسجيل مشكلة على مستودع <a href="https://github.com/milvus-io/milvus-lite">Milvus Lite في GitHub</a>.</p>


تقديم Milvus Lite: ابدأ في إنشاء تطبيق GenAI في ثوانٍ معدودة

تحسين قواعد بيانات المتجهات، وتعزيز الذكاء الاصطناعي التوليدي القائم على RAG

الشروع في العمل مع مجموعة ميلفوس العنقودية و K8s

<p>يسعدنا أن نعلن عن إطلاق الإصدار Milvus 2.4، وهو تقدم كبير في تعزيز قدرات البحث لمجموعات البيانات واسعة النطاق. يضيف هذا الإصدار الأخير ميزات جديدة، مثل دعم فهرس CAGRA المستند إلى وحدة معالجة الرسومات (GPU)، والدعم التجريبي <a href="https://zilliz.com/learn/sparse-and-dense-embeddings">للتضمينات المتناثرة،</a> والبحث الجماعي، والعديد من التحسينات الأخرى في قدرات البحث. تعزز هذه التطورات التزامنا تجاه المجتمع من خلال تقديم أداة قوية وفعالة للمطورين مثلك للتعامل مع البيانات المتجهة والاستعلام عنها. لننتقل معًا إلى المزايا الرئيسية لـ Milvus 2.4.</p>
<h2 id="Enabled-Multi-vector-Search-for-Simplified-Multimodal-Searches" class="common-anchor-header">تمكين البحث متعدد المتجهات لعمليات بحث مبسطة متعددة الوسائط<button data-href="#Enabled-Multi-vector-Search-for-Simplified-Multimodal-Searches" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>يوفر Milvus 2.4 إمكانية البحث متعدد المتجهات، مما يسمح بالبحث المتزامن وإعادة ترتيب أنواع مختلفة من المتجهات داخل نظام Milvus نفسه. تعمل هذه الميزة على تبسيط عمليات البحث متعدد الوسائط، مما يعزز معدلات الاستدعاء بشكل كبير ويمكّن المطورين من إدارة تطبيقات الذكاء الاصطناعي المعقدة ذات أنواع البيانات المتنوعة دون عناء. بالإضافة إلى ذلك، تعمل هذه الوظيفة على تبسيط عملية التكامل والضبط الدقيق لنماذج إعادة الترتيب المخصصة، مما يساعد في إنشاء وظائف بحث متقدمة مثل <a href="https://zilliz.com/vector-database-use-cases/recommender-system">أنظمة التوصية</a> الدقيقة التي تستخدم رؤى من البيانات متعددة الأبعاد.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/How_the_multi_vector_search_feature_works_6c85961349.png" alt="How the Milti-Vector Search Feature Works" class="doc-image" id="how-the-milti-vector-search-feature-works" />
   </span> <span class="img-wrapper"> <span>كيفية عمل ميزة البحث متعدد المتجهات في ميلفوس</span> </span></p>
<p>يحتوي دعم المتجهات المتعددة في ميلفوس على عنصرين:</p>
<ol>
<li><p>القدرة على تخزين/الاستعلام عن متجهات متعددة لكيان واحد داخل مجموعة، وهي طريقة أكثر طبيعية لتنظيم البيانات</p></li>
<li><p>القدرة على بناء/تحسين خوارزمية إعادة الترتيب من خلال الاستفادة من خوارزميات إعادة الترتيب المبنية مسبقًا في ميلفوس</p></li>
</ol>
<p>إلى جانب كونها <a href="https://github.com/milvus-io/milvus/issues/25639">ميزة مطلوبة</a> بشدة، قمنا ببناء هذه الإمكانية لأن الصناعة تتجه نحو النماذج متعددة الوسائط مع إصدار GPT-4 وClaude 3. إعادة الترتيب هي تقنية شائعة الاستخدام لزيادة تحسين أداء الاستعلام في البحث. كنا نهدف إلى تسهيل الأمر على المطورين لبناء وتحسين عمليات إعادة الترتيب الخاصة بهم داخل نظام Milvus البيئي.</p>
<h2 id="Grouping-Search-Support-for-Enhanced-Compute-Efficiency" class="common-anchor-header">دعم تجميع البحث من أجل تحسين كفاءة الحوسبة<button data-href="#Grouping-Search-Support-for-Enhanced-Compute-Efficiency" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>تجميع البحث هو <a href="https://github.com/milvus-io/milvus/issues/25343">ميزة</a> أخرى <a href="https://github.com/milvus-io/milvus/issues/25343">مطلوبة</a> كثيرًا أضفناها إلى Milvus 2.4. فهو يدمج عملية تجميع حسب المجموعة المصممة للحقول من أنواع BOOL أو INT أو VARCHAR، مما يسد فجوة كفاءة حاسمة في تنفيذ استعلامات التجميع على نطاق واسع.</p>
<p>تقليديًا، كان المطورون يعتمدون على عمليات بحث واسعة النطاق من أعلى K متبوعة بمعالجة يدوية لاحقة لاستخلاص نتائج خاصة بالمجموعة، وهي طريقة تتطلب الكثير من الحوسبة وتتطلب الكثير من التعليمات البرمجية. يعمل البحث عن التجميع على تحسين هذه العملية من خلال ربط نتائج الاستعلام بكفاءة بمعرّفات المجموعات المجمّعة مثل أسماء المستندات أو مقاطع الفيديو، مما يسهّل التعامل مع الكيانات المجزأة ضمن مجموعات بيانات أكبر.</p>
<p>تميز Milvus عملية البحث التجميعي الخاصة بها من خلال تطبيق قائم على التكرار، مما يوفر تحسنًا ملحوظًا في الكفاءة الحسابية مقارنةً بالتقنيات المماثلة. يضمن هذا الاختيار قابلية فائقة للتوسع في الأداء، خاصةً في بيئات الإنتاج حيث يكون تحسين موارد الحوسبة أمرًا بالغ الأهمية. من خلال تقليل عبور البيانات والنفقات الحسابية الزائدة، يدعم Milvus معالجة استعلام أكثر كفاءة، مما يقلل بشكل كبير من أوقات الاستجابة والتكاليف التشغيلية مقارنة بقواعد البيانات المتجهة الأخرى.</p>
<p>يعزز تجميع البحث من قدرة Milvus على إدارة الاستعلامات المعقدة ذات الحجم الكبير والمعقدة ويتماشى مع ممارسات الحوسبة عالية الأداء لحلول إدارة البيانات القوية.</p>
<h2 id="Beta-Support-for-Sparse-Vector-Embeddings" class="common-anchor-header">الدعم التجريبي لتضمينات المتجهات المتفرقة<button data-href="#Beta-Support-for-Sparse-Vector-Embeddings" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>تمثّل<a href="https://zilliz.com/learn/sparse-and-dense-embeddings">التضمينات المتفرقة</a> نقلة نوعية عن مناهج المتجهات الكثيفة التقليدية، حيث تلبي الفروق الدقيقة في التشابه الدلالي بدلاً من مجرد تكرار الكلمات الرئيسية. يسمح هذا التمييز بقدرة بحث أكثر دقة، بما يتماشى بشكل وثيق مع المحتوى الدلالي للاستعلام والمستندات. توفر نماذج المتجهات المتفرقة، المفيدة بشكل خاص في استرجاع المعلومات ومعالجة اللغات الطبيعية، قدرات بحث قوية خارج المجال وقابلية للتفسير مقارنةً بنظيراتها الكثيفة.</p>
<p>في الإصدار Milvus 2.4، قمنا بتوسيع نطاق البحث الهجين ليشمل التضمينات المتفرقة التي تم إنشاؤها بواسطة نماذج عصبية متقدمة مثل SPLADEv2 أو نماذج إحصائية مثل BM25. في Milvus، يتم التعامل مع المتجهات المتفرقة على قدم المساواة مع المتجهات الكثيفة، مما يتيح إنشاء مجموعات ذات حقول متجهات متناثرة، وإدراج البيانات، وبناء الفهرس، وإجراء عمليات البحث عن التشابه. وتجدر الإشارة إلى أن التضمينات المتفرقة في ميلفوس تدعم مقياس المسافة (IP) الخاص <a href="https://zilliz.com/blog/similarity-metrics-for-vector-search#Inner-Product">بالضرب الداخلي،</a> وهو أمر مفيد نظرًا لطبيعتها عالية الأبعاد، مما يجعل المقاييس الأخرى أقل فعالية. تدعم هذه الوظيفة أيضًا أنواع البيانات ذات البُعد كعدد صحيح غير موقّع 32 بت، و 32 بت كعدد عائم للقيمة، مما يسهل مجموعة واسعة من التطبيقات، بدءًا من عمليات البحث النصية الدقيقة إلى أنظمة <a href="https://zilliz.com/learn/information-retrieval-metrics">استرجاع المعلومات</a> المعقدة.</p>
<p>مع هذه الميزة الجديدة، تسمح Milvus بمنهجيات البحث الهجينة التي تمزج بين الكلمات المفتاحية والتقنيات القائمة على التضمين، مما يوفر انتقالاً سلساً للمستخدمين الذين ينتقلون من أطر البحث التي تركز على الكلمات المفتاحية بحثاً عن حل شامل وقليل الصيانة.</p>
<p>نقوم بتسمية هذه الميزة بـ "بيتا" لمواصلة اختبار أداء الميزة وجمع الملاحظات من المجتمع. من المتوقع التوافر العام (GA) لدعم المتجهات المتفرقة مع إصدار Milvus 3.0.</p>
<h2 id="CAGRA-Index-Support-for-Advanced-GPU-Accelerated-Graph-Indexing" class="common-anchor-header">دعم فهرس CAGRA لفهرسة الرسم البياني المعجل بوحدة معالجة الرسومات المتقدمة<button data-href="#CAGRA-Index-Support-for-Advanced-GPU-Accelerated-Graph-Indexing" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>تم تطوير <a href="https://arxiv.org/abs/2308.15136">CAGRA (CAGRA</a> ) من قبل NVIDIA، وهي تقنية فهرسة الرسوم البيانية القائمة على وحدة معالجة الرسومات التي تتفوق بشكل كبير على الطرق التقليدية القائمة على وحدة المعالجة المركزية مثل فهرس HNSW من حيث الكفاءة والأداء، خاصةً في البيئات عالية الإنتاجية.</p>
<p>مع تقديم فهرس CAGRA، يوفر Milvus 2.4 إمكانية فهرسة الرسم البياني المعززة بوحدة معالجة الرسوم البيانية المعززة بوحدة معالجة الرسوم البيانية. ويُعد هذا التحسين مثاليًا لبناء تطبيقات البحث عن التشابه التي تتطلب الحد الأدنى من زمن الاستجابة. بالإضافة إلى ذلك، يدمج الإصدار Milvus 2.4 بحث القوة الغاشمة مع فهرس CAGRA لتحقيق أقصى معدلات استرجاع في التطبيقات. للحصول على رؤى مفصلة، استكشف <a href="https://zilliz.com/blog/Milvus-introduces-GPU-index-CAGRA">مدونة مقدمة CAGRA</a>.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/Milvus_raft_cagra_vs_milvus_hnsw_ffe0415ff5.png" alt="Milvus Raft CAGRA vs. Milvus HNSW" class="doc-image" id="milvus-raft-cagra-vs.-milvus-hnsw" />
   </span> <span class="img-wrapper"> <span>ميلفوس رافت CAGRA مقابل ميلفوس HNSW</span> </span></p>
<h2 id="Additional-Enhancements-and-Features" class="common-anchor-header">تحسينات وميزات إضافية<button data-href="#Additional-Enhancements-and-Features" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>يتضمن Milvus 2.4 أيضًا تحسينات رئيسية أخرى، مثل دعم التعبير العادي لمطابقة السلاسل الفرعية المحسنة في <a href="https://zilliz.com/blog/metadata-filtering-with-zilliz-cloud-pipelines">تصفية البيانات الوصفية</a> وفهرس مقلوب قياسي جديد لتصفية فعالة لنوع البيانات القياسية وأداة التقاط بيانات التغيير لمراقبة التغييرات في مجموعات Milvus وتكرارها. تعمل هذه التحديثات مجتمعة على تحسين أداء Milvus وتعدد استخداماته، مما يجعله حلاً شاملاً لعمليات البيانات المعقدة.</p>
<p>لمزيد من التفاصيل، راجع <a href="https://milvus.io/docs/release_notes.md">وثائق Milvus 2.4</a>.</p>
<h2 id="Stay-Connected" class="common-anchor-header">ابق على اتصال!<button data-href="#Stay-Connected" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>هل أنت متحمس لمعرفة المزيد عن Milvus 2.4؟ <a href="https://zilliz.com/event/unlocking-advanced-search-capabilities-milvus">انضم إلى ندوتنا القادمة على الويب</a> مع جيمس لوان، نائب رئيس قسم الهندسة في شركة Zilliz، لإجراء مناقشة متعمقة حول إمكانيات هذا الإصدار الأخير. إذا كانت لديك أسئلة أو ملاحظات، انضم إلى <a href="https://discord.com/invite/8uyFbECzPX">قناة Discord</a> الخاصة بنا للتفاعل مع مهندسينا وأعضاء مجتمعنا. لا تنسَ متابعتنا على <a href="https://twitter.com/milvusio">تويتر</a> أو <a href="https://www.linkedin.com/company/the-milvus-project">LinkedIn</a> للحصول على آخر الأخبار والتحديثات حول Milvus.</p>


Milvus 2.4 Supports Multi-vector Search, Sparse Vector, CAGRA, and More!

الكشف عن Milvus 2.4: البحث متعدد المتجهات والمتجهات المتفرقة وفهرس CAGRA والمزيد!

<p>تخطو<a href="https://zilliz.com/what-is-milvus">Milvus،</a> قاعدة البيانات المتجهة القابلة للتطوير بدرجة كبيرة والمعروفة بقدرتها على التعامل مع مجموعات البيانات الضخمة، خطوة كبيرة إلى الأمام من خلال تقديم دعم ملف Parquet في <a href="https://zilliz.com/blog/what-is-new-in-milvus-2-3-4">الإصدار 2.3.4</a>. من خلال تبني Apache Parquet، يمكن للمستخدمين تبسيط عمليات استيراد البيانات والاستمتاع بتوفير كبير في تكاليف التخزين والحساب.</p>
<p>في آخر منشور لنا، نستكشف مزايا الباركيه والفوائد التي يجلبها لمستخدمي ميلفوس. كما نناقش الدافع وراء دمج هذه الميزة ونقدم دليلًا تفصيليًا حول استيراد ملفات الباركيه بسلاسة إلى ميلفوس، مما يفتح إمكانيات جديدة لإدارة البيانات وتحليلها بكفاءة.</p>
<h2 id="What-Is-Apache-Parquet" class="common-anchor-header">ما هو أباتشي باركيه؟<button data-href="#What-Is-Apache-Parquet" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p><a href="https://parquet.apache.org/">Apache Parquet</a> هو تنسيق ملف بيانات شائع مفتوح المصدر موجه نحو الأعمدة مصمم لتعزيز كفاءة تخزين ومعالجة مجموعات البيانات واسعة النطاق. على النقيض من تنسيقات البيانات التقليدية الموجهة نحو الصفوف مثل CSV أو JSON، يخزن Parquet البيانات حسب العمود، مما يوفر أنظمة ضغط وترميز أكثر كفاءة للبيانات. يُترجم هذا النهج إلى تحسين الأداء، وتقليل متطلبات التخزين، وتعزيز قوة المعالجة، مما يجعله مثاليًا للتعامل مع البيانات المعقدة بكميات كبيرة.</p>
<h2 id="How-Milvus-Users-Benefit-from-the-Support-for-Parquet-File-Imports" class="common-anchor-header">كيف يستفيد مستخدمو Milvus من دعم واردات ملفات الباركيه<button data-href="#How-Milvus-Users-Benefit-from-the-Support-for-Parquet-File-Imports" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>يوسع Milvus الدعم لعمليات استيراد الملفات الباركيه، مما يوفر للمستخدمين تجارب محسّنة ومزايا متنوعة، بما في ذلك خفض نفقات التخزين والحساب، وإدارة البيانات بشكل مبسّط، وعملية استيراد مبسّطة.</p>
<h3 id="Optimized-Storage-Efficiency-and-Streamlined-Data-Management" class="common-anchor-header">كفاءة تخزين محسّنة وإدارة بيانات مبسّطة</h3><p>يوفر Parquet خيارات ضغط مرنة ومخططات ترميز فعالة تلبي احتياجات أنواع البيانات المختلفة، مما يضمن كفاءة التخزين المثلى. تُعد هذه المرونة ذات قيمة خاصة في البيئات السحابية حيث يرتبط كل أونصة من التوفير في التخزين مباشرةً بتخفيضات ملموسة في التكلفة. وبفضل هذه الميزة الجديدة في Milvus، يمكن للمستخدمين دمج جميع بياناتهم المتنوعة في ملف واحد دون عناء، مما يسهل إدارة البيانات ويعزز تجربة المستخدم بشكل عام. هذه الميزة مفيدة بشكل خاص للمستخدمين الذين يعملون مع أنواع بيانات المصفوفات متغيرة الطول، والذين يمكنهم الآن الاستمتاع بعملية استيراد بيانات مبسطة.</p>
<h3 id="Improved-Query-Performance" class="common-anchor-header">تحسين أداء الاستعلام</h3><p>يعمل تصميم التخزين العمودي وطرق الضغط المتقدمة في Parquet على تحسين أداء الاستعلام بشكل كبير. عند إجراء الاستعلامات، يمكن للمستخدمين التركيز فقط على البيانات ذات الصلة دون مسح البيانات غير ذات الصلة. تقلل هذه القراءة الانتقائية للأعمدة من استخدام وحدة المعالجة المركزية، مما يؤدي إلى تسريع أوقات الاستعلام.</p>
<h3 id="Broad-Language-Compatibility" class="common-anchor-header">توافق واسع مع اللغات</h3><p>يتوفر الباركيه بلغات متعددة مثل Java و C++ C و Python وهو متوافق مع عدد كبير من أدوات معالجة البيانات. مع دعم ملفات الباركيه، يمكن لمستخدمي Milvus الذين يستخدمون حزم SDK مختلفة إنشاء ملفات الباركيه بسلاسة لتحليلها داخل قاعدة البيانات.</p>
<h2 id="How-to-Import-Parquet-Files-into-Milvus" class="common-anchor-header">كيفية استيراد ملفات الباركيه إلى ميلفوس<button data-href="#How-to-Import-Parquet-Files-into-Milvus" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>إذا كانت بياناتك بتنسيق ملف باركيه بالفعل، فإن الاستيراد سهل. قم بتحميل ملف الباركيه إلى نظام تخزين كائنات مثل MinIO، وستكون جاهزًا للاستيراد.</p>
<p>مقتطف الشيفرة أدناه هو مثال على استيراد ملفات الباركيه إلى ميلفوس.</p>
<pre><code translate="no">remote_files = []
<span class="hljs-keyword">try</span>:
    <span class="hljs-built_in">print</span>(<span class="hljs-string">&quot;Prepare upload files&quot;</span>)
    minio_client = Minio(endpoint=MINIO_ADDRESS, access_key=MINIO_ACCESS_KEY, secret_key=MINIO_SECRET_KEY,
                         secure=<span class="hljs-literal">False</span>)
    found = minio_client.bucket_exists(bucket_name)
    <span class="hljs-keyword">if</span> <span class="hljs-keyword">not</span> found:
        minio_client.make_bucket(bucket_name)
        <span class="hljs-built_in">print</span>(<span class="hljs-string">&quot;MinIO bucket &#x27;{}&#x27; doesn&#x27;t exist&quot;</span>.<span class="hljs-built_in">format</span>(bucket_name))
        <span class="hljs-keyword">return</span> <span class="hljs-literal">False</span>, []

    <span class="hljs-comment"># set your remote data path</span>
    remote_data_path = <span class="hljs-string">&quot;milvus_bulkinsert&quot;</span>

    <span class="hljs-keyword">def</span> <span class="hljs-title function_">upload_file</span>(<span class="hljs-params">f: <span class="hljs-built_in">str</span></span>):
        file_name = os.path.basename(f)
        minio_file_path = os.path.join(remote_data_path, <span class="hljs-string">&quot;parquet&quot;</span>, file_name)
        minio_client.fput_object(bucket_name, minio_file_path, f)
        <span class="hljs-built_in">print</span>(<span class="hljs-string">&quot;Upload file &#x27;{}&#x27; to &#x27;{}&#x27;&quot;</span>.<span class="hljs-built_in">format</span>(f, minio_file_path))
        remote_files.append(minio_file_path)

    upload_file(data_file)

<span class="hljs-keyword">except</span> S3Error <span class="hljs-keyword">as</span> e:
    <span class="hljs-built_in">print</span>(<span class="hljs-string">&quot;Failed to connect MinIO server {}, error: {}&quot;</span>.<span class="hljs-built_in">format</span>(MINIO_ADDRESS, e))
    <span class="hljs-keyword">return</span> <span class="hljs-literal">False</span>, []

<span class="hljs-built_in">print</span>(<span class="hljs-string">&quot;Successfully upload files: {}&quot;</span>.<span class="hljs-built_in">format</span>(remote_files))
<span class="hljs-keyword">return</span> <span class="hljs-literal">True</span>, remote_files
<button class="copy-code-btn"></button></code></pre>
<p>إذا كانت بياناتك ليست ملفات باركيه أو تحتوي على حقول ديناميكية، يمكنك الاستفادة من BulkWriter، أداة تحويل تنسيق البيانات الخاصة بنا، لمساعدتك في إنشاء ملفات باركيه. لقد تبنّى BulkWriter الآن الباركيه كتنسيق بيانات الإخراج الافتراضي، مما يضمن تجربة أكثر سهولة للمطورين.</p>
<p>مقتطف الشيفرة أدناه هو مثال على استخدام BulkWriter لتوليد ملفات Parquet.</p>
<pre><code translate="no"><span class="hljs-keyword">import</span> numpy <span class="hljs-keyword">as</span> np
<span class="hljs-keyword">import</span> json

<span class="hljs-keyword">from</span> pymilvus <span class="hljs-keyword">import</span> (
    RemoteBulkWriter,
    BulkFileType,
)

remote_writer = RemoteBulkWriter(
        schema=your_collection_schema,
        remote_path=<span class="hljs-string">&quot;your_remote_data_path&quot;</span>,
        connect_param=RemoteBulkWriter.ConnectParam(
            endpoint=YOUR_MINIO_ADDRESS,
            access_key=YOUR_MINIO_ACCESS_KEY,
            secret_key=YOUR_MINIO_SECRET_KEY,
            bucket_name=<span class="hljs-string">&quot;a-bucket&quot;</span>,
        ),
        file_type=BulkFileType.PARQUET,
)

<span class="hljs-comment"># append your data</span>
batch_count = <span class="hljs-number">10000</span>
<span class="hljs-keyword">for</span> i <span class="hljs-keyword">in</span> <span class="hljs-built_in">range</span>(batch_count):
    row = {
        <span class="hljs-string">&quot;id&quot;</span>: i,
        <span class="hljs-string">&quot;bool&quot;</span>: <span class="hljs-literal">True</span> <span class="hljs-keyword">if</span> i % <span class="hljs-number">5</span> == <span class="hljs-number">0</span> <span class="hljs-keyword">else</span> <span class="hljs-literal">False</span>,
        <span class="hljs-string">&quot;int8&quot;</span>: i % <span class="hljs-number">128</span>,
        <span class="hljs-string">&quot;int16&quot;</span>: i % <span class="hljs-number">1000</span>,
        <span class="hljs-string">&quot;int32&quot;</span>: i % <span class="hljs-number">100000</span>,
        <span class="hljs-string">&quot;int64&quot;</span>: i,
        <span class="hljs-string">&quot;float&quot;</span>: i / <span class="hljs-number">3</span>,
        <span class="hljs-string">&quot;double&quot;</span>: i / <span class="hljs-number">7</span>,
        <span class="hljs-string">&quot;varchar&quot;</span>: <span class="hljs-string">f&quot;varchar_<span class="hljs-subst">{i}</span>&quot;</span>,
        <span class="hljs-string">&quot;json&quot;</span>: {<span class="hljs-string">&quot;dummy&quot;</span>: i, <span class="hljs-string">&quot;ok&quot;</span>: <span class="hljs-string">f&quot;name_<span class="hljs-subst">{i}</span>&quot;</span>},
        <span class="hljs-string">&quot;vector&quot;</span>: gen_binary_vector() <span class="hljs-keyword">if</span> bin_vec <span class="hljs-keyword">else</span> gen_float_vector(),
        <span class="hljs-string">f&quot;dynamic_<span class="hljs-subst">{i}</span>&quot;</span>: i,
    }
    remote_writer.append_row(row)

<span class="hljs-comment"># append rows by numpy type</span>
<span class="hljs-keyword">for</span> i <span class="hljs-keyword">in</span> <span class="hljs-built_in">range</span>(batch_count):
    remote_writer.append_row({
        <span class="hljs-string">&quot;id&quot;</span>: np.int64(i + batch_count),
        <span class="hljs-string">&quot;bool&quot;</span>: <span class="hljs-literal">True</span> <span class="hljs-keyword">if</span> i % <span class="hljs-number">3</span> == <span class="hljs-number">0</span> <span class="hljs-keyword">else</span> <span class="hljs-literal">False</span>,
        <span class="hljs-string">&quot;int8&quot;</span>: np.int8(i % <span class="hljs-number">128</span>),
        <span class="hljs-string">&quot;int16&quot;</span>: np.int16(i % <span class="hljs-number">1000</span>),
        <span class="hljs-string">&quot;int32&quot;</span>: np.int32(i % <span class="hljs-number">100000</span>),
        <span class="hljs-string">&quot;int64&quot;</span>: np.int64(i),
        <span class="hljs-string">&quot;float&quot;</span>: np.float32(i / <span class="hljs-number">3</span>),
        <span class="hljs-string">&quot;double&quot;</span>: np.float64(i / <span class="hljs-number">7</span>),
        <span class="hljs-string">&quot;varchar&quot;</span>: <span class="hljs-string">f&quot;varchar_<span class="hljs-subst">{i}</span>&quot;</span>,
        <span class="hljs-string">&quot;json&quot;</span>: json.dumps({<span class="hljs-string">&quot;dummy&quot;</span>: i, <span class="hljs-string">&quot;ok&quot;</span>: <span class="hljs-string">f&quot;name_<span class="hljs-subst">{i}</span>&quot;</span>}),
        <span class="hljs-string">&quot;vector&quot;</span>: gen_binary_vector() <span class="hljs-keyword">if</span> bin_vec <span class="hljs-keyword">else</span> gen_float_vector(),
        <span class="hljs-string">f&quot;dynamic_<span class="hljs-subst">{i}</span>&quot;</span>: i,
    })

<span class="hljs-built_in">print</span>(<span class="hljs-string">f&quot;<span class="hljs-subst">{remote_writer.total_row_count}</span> rows appends&quot;</span>)
<span class="hljs-built_in">print</span>(<span class="hljs-string">f&quot;<span class="hljs-subst">{remote_writer.buffer_row_count}</span> rows in buffer not flushed&quot;</span>)
<span class="hljs-built_in">print</span>(<span class="hljs-string">&quot;Generate data files...&quot;</span>)
remote_writer.commit()
<span class="hljs-built_in">print</span>(<span class="hljs-string">f&quot;Data files have been uploaded: <span class="hljs-subst">{remote_writer.batch_files}</span>&quot;</span>)
remote_files = remote_writer.batch_files
<button class="copy-code-btn"></button></code></pre>
<p>بعد ذلك، يمكنك البدء في استيراد ملفات الباركيه الخاصة بك إلى Milvus.</p>
<pre><code translate="no">remote_files = [remote_file_path]
task_id = utility.do_bulk_insert(collection_name=collection_name,
                                 files=remote_files)

task_ids = [task_id]         
states = wait_tasks_to_state(task_ids, BulkInsertState.ImportCompleted)
complete_count = 0
for state in states:
    if state.state == BulkInsertState.ImportCompleted:
        complete_count = complete_count + 1
<button class="copy-code-btn"></button></code></pre>
<p>الآن، يتم دمج بياناتك بسلاسة في Milvus.</p>
<h2 id="Whats-Next" class="common-anchor-header">ما التالي؟<button data-href="#Whats-Next" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>مع استمرار Milvus في دعم أحجام البيانات المتزايدة باستمرار، ينشأ التحدي في إدارة عمليات الاستيراد الكبيرة، خاصةً عندما تتجاوز ملفات الباركيه 10 جيجابايت. ولمواجهة هذا التحدي، نخطط لفصل بيانات الاستيراد إلى أعمدة قياسية وأخرى متجهة، وإنشاء ملفين باركيه لكل عملية استيراد لتخفيف ضغط الإدخال/الإخراج. بالنسبة لمجموعات البيانات التي تتجاوز عدة مئات من الجيجابايت، نوصي باستيراد البيانات عدة مرات.</p>


Milvus Supports Imports of Apache Parquet Files

يدعم Milvus عمليات استيراد ملفات Apache Parquet لتحسين كفاءة معالجة البيانات

ما هو إصدار ميلفوس الذي يجب البدء به

Top 10 Keywords Dominating the Milvus Community in 2023

الكشف عن أفضل 10 كلمات رئيسية تهيمن على مجتمع ميلفوس في عام 2023

<p>
  <span class="img-wrapper">
    <img translate="no" src="https://assets.zilliz.com/What_is_new_in_Milvus_2_3_4_1847b0fa8a.png" alt="" class="doc-image" id="" />
    <span></span>
  </span>
</p>
<p>نحن متحمسون للكشف عن الإصدار الأخير من Milvus 2.3.4. يقدم هذا التحديث مجموعة من الميزات والتحسينات المصممة بدقة لتحسين الأداء وتعزيز الكفاءة وتقديم تجربة مستخدم سلسة. في منشور المدونة هذا، سنتناول في هذه المدونة أبرز مزايا الإصدار Milvus 2.3.4.</p>
<h2 id="Access-logs-for-improved-monitoring" class="common-anchor-header">سجلات الوصول لتحسين المراقبة<button data-href="#Access-logs-for-improved-monitoring" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>يدعم Milvus الآن سجلات الوصول، مما يوفر رؤى لا تقدر بثمن حول التفاعلات مع الواجهات الخارجية. تسجل هذه السجلات أسماء الطرق، وطلبات المستخدم، وأوقات الاستجابة، ورموز الخطأ، ومعلومات التفاعل الأخرى، مما يمكّن المطورين ومسؤولي النظام من إجراء تحليل الأداء، والتدقيق الأمني، واستكشاف الأخطاء وإصلاحها بكفاءة.</p>
<p><strong><em>ملاحظة:</em></strong> <em>تدعم سجلات الوصول حاليًا تفاعلات gRPC فقط. ومع ذلك، فإن التزامنا بالتحسين مستمر، وستعمل الإصدارات المستقبلية على توسيع هذه الإمكانية لتشمل سجلات الطلبات RESTful.</em></p>
<p>لمزيد من المعلومات التفصيلية، راجع <a href="https://milvus.io/docs/configure_access_logs.md">تكوين سجلات الوصول</a>.</p>
<h2 id="Parquet-file-imports-for-enhanced-data-processing-efficiency" class="common-anchor-header">واردات ملفات الباركيه لتحسين كفاءة معالجة البيانات<button data-href="#Parquet-file-imports-for-enhanced-data-processing-efficiency" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>يدعم الإصدار Milvus 2.3.4 الآن استيراد ملفات الباركيه، وهو تنسيق تخزين عمودي معتمد على نطاق واسع مصمم لتعزيز كفاءة تخزين ومعالجة مجموعات البيانات واسعة النطاق. تمنح هذه الإضافة المستخدمين مزيدًا من المرونة والكفاءة في مساعيهم لمعالجة البيانات. من خلال الاستغناء عن الحاجة إلى تحويلات تنسيق البيانات الشاقة، سيختبر المستخدمون الذين يديرون مجموعات بيانات كبيرة بتنسيق Parquet عملية استيراد بيانات مبسطة، مما يقلل بشكل كبير من الوقت المستغرق من الإعداد الأولي للبيانات إلى استرجاع المتجهات اللاحقة.</p>
<p>علاوةً على ذلك، تبنّت أداة تحويل تنسيق البيانات BulkWriter، BulkWriter، الآن Parquet كتنسيق بيانات الإخراج الافتراضي، مما يضمن تجربة أكثر سهولة للمطورين.</p>
<h2 id="Binlog-index-on-growing-segments-for-faster-searches" class="common-anchor-header">فهرس Binlog على المقاطع المتزايدة لعمليات بحث أسرع<button data-href="#Binlog-index-on-growing-segments-for-faster-searches" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>تستفيد Milvus الآن من فهرس Binlog على المقاطع المتزايدة، مما يؤدي إلى عمليات بحث أسرع تصل إلى عشرة أضعاف في المقاطع المتزايدة. يعزز هذا التحسين من كفاءة البحث بشكل كبير ويدعم المؤشرات المتقدمة مثل IVF أو المسح السريع، مما يحسن من تجربة المستخدم بشكل عام.</p>
<h2 id="Support-for-up-to-10000-collectionspartitions" class="common-anchor-header">دعم لما يصل إلى 10,000 مجموعة/قسم<button data-href="#Support-for-up-to-10000-collectionspartitions" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>على غرار الجداول والأقسام في قواعد البيانات العلائقية، فإن المجموعات والأقسام هي الوحدات الأساسية لتخزين البيانات المتجهة وإدارتها في Milvus. واستجابةً لاحتياجات المستخدمين المتطورة لتنظيم البيانات بشكل دقيق، يدعم الإصدار Milvus 2.3.4 الآن ما يصل إلى 10000 مجموعة/قسم في مجموعة واحدة، وهي قفزة كبيرة من الحد السابق البالغ 4096. يفيد هذا التحسين حالات الاستخدام المتنوعة، مثل إدارة قاعدة المعرفة والبيئات متعددة المستأجرين. ينبع الدعم الموسع للمجموعات/الأقسام من التحسينات التي تم إدخالها على آلية التجزئة الزمنية وإدارة الجوروتين واستخدام الذاكرة.</p>
<p><strong><em>ملاحظة:</em></strong> <em>الحد الموصى به لعدد المجموعات/الأقسام هو 10,000 مجموعة، لأن تجاوز هذا الحد قد يؤثر على استرداد الأعطال واستخدام الموارد.</em></p>
<h2 id="Other-enhancements" class="common-anchor-header">تحسينات أخرى<button data-href="#Other-enhancements" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>بالإضافة إلى الميزات المذكورة أعلاه، يتضمن الإصدار Milvus 2.3.4 العديد من التحسينات وإصلاحات الأخطاء. وتشمل هذه التحسينات تقليل استخدام الذاكرة أثناء استرجاع البيانات ومعالجة البيانات ذات الطول المتغير، وتحسين رسائل الأخطاء، وتسريع سرعة التحميل، وتحسين توازن أجزاء الاستعلام. تساهم هذه التحسينات الجماعية في توفير تجربة مستخدم أكثر سلاسة وفعالية بشكل عام.</p>
<p>للحصول على نظرة عامة شاملة على جميع التغييرات التي تم إدخالها في الإصدار Milvus 2.3.4، راجع <a href="https://milvus.io/docs/release_notes.md#v234">ملاحظات الإصدار</a>.</p>
<h2 id="Stay-connected" class="common-anchor-header">ابق على اتصال!<button data-href="#Stay-connected" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>إذا كانت لديك أسئلة أو ملاحظات حول Milvus، انضم إلى <a href="https://discord.com/invite/8uyFbECzPX">قناة Discord</a> الخاصة بنا للتفاعل مع مهندسينا والمجتمع مباشرةً أو انضم إلى <a href="https://discord.com/invite/RjNbk8RR4f">غداء مجتمع Milvus وتعلم</a> كل يوم ثلاثاء من الساعة 12-12:30 مساءً بتوقيت المحيط الهادي. نرحب بك أيضًا لمتابعتنا على <a href="https://twitter.com/milvusio">تويتر</a> أو <a href="https://www.linkedin.com/company/the-milvus-project">LinkedIn</a> للحصول على آخر الأخبار والتحديثات حول Milvus.</p>


ميلفوس 2.3.4: عمليات بحث أسرع، ودعم موسع للبيانات، ومراقبة محسّنة والمزيد

2023: عام الذكاء الاصطناعي

بحث فعال عن التشابه المتجه في سير عمل الموصي باستخدام ميلفوس مع إنفيديا ميرلين

كيفية الحصول على تضمينات المتجهات الصحيحة

كيفية ترحيل بياناتك إلى ميلفوس بسلاسة: دليل شامل

<p>
  <span class="img-wrapper">
    <img translate="no" src="https://assets.zilliz.com/Exploring_NATS_878f48c848.png" alt="" class="doc-image" id="" />
    <span></span>
  </span>
</p>
<p>في النسيج المعقد لمعالجة البيانات، يكون التواصل السلس هو الخيط الذي يربط العمليات ببعضها البعض. وقد شرعت شركة <a href="https://zilliz.com/what-is-milvus">Milvus،</a> <a href="https://zilliz.com/cloud">قاعدة البيانات المتجهة مفتوحة المصدر</a> الرائدة <a href="https://zilliz.com/cloud">والمفتوحة المصدر،</a> في رحلة تحويلية مع أحدث ميزاتها: تكامل رسائل NATS. في منشور المدونة الشامل هذا، سنكشف عن تعقيدات هذا التكامل، ونستكشف ميزاته الأساسية، وعملية الإعداد، وفوائد الترحيل، وكيف يتراكم مقارنةً بسابقه RocksMQ.</p>
<h2 id="Understanding-the-role-of-message-queues-in-Milvus" class="common-anchor-header">فهم دور قوائم انتظار الرسائل في Milvus<button data-href="#Understanding-the-role-of-message-queues-in-Milvus" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>في بنية ميلفوس السحابية الأصلية، تحتل قائمة انتظار الرسائل، أو وسيط السجلات، أهمية محورية. إنها العمود الفقري الذي يضمن تدفقات البيانات المستمرة، والمزامنة، وإشعارات الأحداث، وسلامة البيانات أثناء عمليات استرداد النظام. تقليديًا، كان RocksMQ هو الخيار الأكثر وضوحًا في وضع Milvus Standalone، خاصةً عند مقارنته مع Pulsar و Kafka، ولكن أصبحت قيوده واضحة مع البيانات الواسعة والسيناريوهات المعقدة.</p>
<p>يقدم Milvus 2.3 Milvus 2.3 NATS، وهو تطبيق MQ أحادي العقدة، يعيد تعريف كيفية إدارة تدفقات البيانات. وعلى عكس سابقاتها، تحرر NATS مستخدمي Milvus من قيود الأداء، وتقدم تجربة سلسة في التعامل مع أحجام البيانات الكبيرة.</p>
<h2 id="What-is-NATS" class="common-anchor-header">ما هو NATS؟<button data-href="#What-is-NATS" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>NATS هي تقنية اتصال نظام موزعة يتم تنفيذها في Go. وهي تدعم أوضاع اتصال مختلفة مثل طلب-إعادة الطلب ونشر-الاشتراك عبر الأنظمة، وتوفر ثبات البيانات من خلال JetStream، وتوفر إمكانات موزعة من خلال RAFT المدمج. يمكنك الرجوع إلى <a href="https://nats.io/">الموقع الرسمي لـ NATS</a> للحصول على فهم أكثر تفصيلاً لـ NATS.</p>
<p>في الوضع المستقل Milvus 2.3 Standalone، يوفر كل من NATS و JetStream و PubSub ل Milvus إمكانات MQ قوية.</p>
<h2 id="Enabling-NATS" class="common-anchor-header">تمكين NATS<button data-href="#Enabling-NATS" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>يوفر Milvus 2.3 خيار تحكم جديد، <code translate="no">mq.type</code> ، والذي يسمح للمستخدمين بتحديد نوع MQ الذي يريدون استخدامه. لتمكين NATS، قم بتعيين <code translate="no">mq.type=natsmq</code>. إذا رأيت سجلات مشابهة للسجلات أدناه بعد بدء تشغيل مثيلات Milvus، فهذا يعني أنك قمت بتمكين NATS كقائمة انتظار للرسائل بنجاح.</p>
<pre><code translate="no">[INFO] [dependency/factory.go:83] [<span class="hljs-string">&quot;try to init mq&quot;</span>] [standalone=<span class="hljs-literal">true</span>] [mqType=natsmq]
<button class="copy-code-btn"></button></code></pre>
<h2 id="Configuring-NATS-for-Milvus" class="common-anchor-header">تكوين NATS لـ Milvus<button data-href="#Configuring-NATS-for-Milvus" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>تتضمن خيارات تخصيص NATS تحديد منفذ الاستماع، ودليل تخزين JetStream، والحد الأقصى لحجم الحمولة، ومهلة التهيئة. يضمن الضبط الدقيق لهذه الإعدادات الأداء الأمثل والموثوقية المثلى.</p>
<pre><code translate="no">natsmq:
server: <span class="hljs-comment"># server side configuration for natsmq.</span>
port: <span class="hljs-number">4222</span> <span class="hljs-comment"># 4222 by default, Port for nats server listening.</span>
storeDir: /var/lib/milvus/nats <span class="hljs-comment"># /var/lib/milvus/nats by default, directory to use for JetStream storage of nats.</span>
maxFileStore: <span class="hljs-number">17179869184</span> <span class="hljs-comment"># (B) 16GB by default, Maximum size of the &#x27;file&#x27; storage.</span>
maxPayload: <span class="hljs-number">8388608</span> <span class="hljs-comment"># (B) 8MB by default, Maximum number of bytes in a message payload.</span>
maxPending: <span class="hljs-number">67108864</span> <span class="hljs-comment"># (B) 64MB by default, Maximum number of bytes buffered for a connection Applies to client connections.</span>
initializeTimeout: <span class="hljs-number">4000</span> <span class="hljs-comment"># (ms) 4s by default, waiting for initialization of natsmq finished.</span>
monitor:
trace: false <span class="hljs-comment"># false by default, If true enable protocol trace log messages.</span>
debug: false <span class="hljs-comment"># false by default, If true enable debug log messages.</span>
logTime: true <span class="hljs-comment"># true by default, If set to false, log without timestamps.</span>
logFile: /tmp/milvus/logs/nats.log <span class="hljs-comment"># /tmp/milvus/logs/nats.log by default, Log file path relative to .. of milvus binary if use relative path.</span>
logSizeLimit: <span class="hljs-number">536870912</span> <span class="hljs-comment"># (B) 512MB by default, Size in bytes after the log file rolls over to a new one.</span>
retention:
maxAge: <span class="hljs-number">4320</span> <span class="hljs-comment"># (min) 3 days by default, Maximum age of any message in the P-channel.</span>
maxBytes: <span class="hljs-comment"># (B) None by default, How many bytes the single P-channel may contain. Removing oldest messages if the P-channel exceeds this size.</span>
maxMsgs: <span class="hljs-comment"># None by default, How many message the single P-channel may contain. Removing oldest messages if the P-channel exceeds this limit.</span>
<button class="copy-code-btn"></button></code></pre>
<p><strong>ملاحظة:</strong></p>
<ul>
<li><p>يجب تحديد <code translate="no">server.port</code> للاستماع إلى خادم NATS. إذا كان هناك تعارض في المنفذ، فلن يتمكن ميلفوس من بدء التشغيل. تعيين <code translate="no">server.port=-1</code> لتحديد منفذ عشوائياً.</p></li>
<li><p><code translate="no">storeDir</code> تحديد دليل تخزين JetStream. نوصي بتخزين الدليل في محرك أقراص ذي حالة صلبة عالي الأداء (SSD) لتحسين إنتاجية القراءة/الكتابة لـ Milvus.</p></li>
<li><p><code translate="no">maxFileStore</code> تعيين الحد الأعلى لحجم تخزين JetStream. سيؤدي تجاوز هذا الحد إلى منع كتابة المزيد من البيانات.</p></li>
<li><p><code translate="no">maxPayload</code> يحد من حجم الرسالة الفردية. يجب أن تبقيه أعلى من 5 ميغابايت لتجنب أي رفض للكتابة.</p></li>
<li><p><code translate="no">initializeTimeout</code>يتحكم في مهلة بدء تشغيل خادم NATS.</p></li>
<li><p><code translate="no">monitor</code> تكوين سجلات NATS المستقلة.</p></li>
<li><p><code translate="no">retention</code> يتحكم في آلية الاحتفاظ برسائل NATS.</p></li>
</ul>
<p>لمزيد من المعلومات، راجع <a href="https://docs.nats.io/running-a-nats-service/configuration">وثائق NATS الرسمية</a>.</p>
<h2 id="Migrating-from-RocksMQ-to-NATS" class="common-anchor-header">الترحيل من RocksMQ إلى NATS<button data-href="#Migrating-from-RocksMQ-to-NATS" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>يعد الترحيل من RocksMQ إلى NATS عملية سلسة تتضمن خطوات مثل إيقاف عمليات الكتابة، ومسح البيانات، وتعديل التكوينات، والتحقق من الترحيل من خلال سجلات Milvus.</p>
<ol>
<li><p>قبل بدء الترحيل، أوقف جميع عمليات الكتابة في Milvus.</p></li>
<li><p>قم بتنفيذ عملية <code translate="no">FlushALL</code> في Milvus وانتظر اكتمالها. تضمن هذه الخطوة مسح جميع البيانات المعلقة وجاهزية النظام لإيقاف التشغيل.</p></li>
<li><p>قم بتعديل ملف تهيئة ميلفوس عن طريق تعيين <code translate="no">mq.type=natsmq</code> وضبط الخيارات ذات الصلة ضمن القسم <code translate="no">natsmq</code>.</p></li>
<li><p>ابدأ تشغيل ميلفوس 2.3.</p></li>
<li><p>قم بالنسخ الاحتياطي وتنظيف البيانات الأصلية المخزنة في الدليل <code translate="no">rocksmq.path</code>. (اختياري)</p></li>
</ol>
<h2 id="NATS-vs-RocksMQ-A-Performance-Showdown" class="common-anchor-header">NATS مقابل RocksMQ: مواجهة الأداء<button data-href="#NATS-vs-RocksMQ-A-Performance-Showdown" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><h3 id="PubSub-Performance-Testing" class="common-anchor-header">اختبار أداء Pub/Sub</h3><ul>
<li><p><strong>منصة الاختبار:</strong> رقاقة M1 Pro / الذاكرة: 16 جيجابايت</p></li>
<li><p><strong>سيناريو الاختبار:</strong> الاشتراك في حزم البيانات العشوائية ونشرها إلى موضوع بشكل متكرر حتى يتم استلام آخر نتيجة منشورة.</p></li>
<li><p><strong>النتائج:</strong></p>
<ul>
<li><p>بالنسبة لحزم البيانات الأصغر (&lt; 64 كيلو بايت)، يتفوق RocksMQ على NATS فيما يتعلق بالذاكرة ووحدة المعالجة المركزية وسرعة الاستجابة.</p></li>
<li><p>بالنسبة لحزم البيانات الأكبر حجمًا (&gt; 64 كيلو بايت)، يتفوق NATS على RocksMQ، حيث يقدم أوقات استجابة أسرع بكثير.</p></li>
</ul></li>
</ul>
<table>
<thead>
<tr><th>نوع الاختبار</th><th>MQ</th><th>عدد العمليات</th><th>التكلفة لكل عملية</th><th>تكلفة الذاكرة</th><th>الوقت الإجمالي لوحدة المعالجة المركزية</th><th>تكلفة التخزين</th></tr>
</thead>
<tbody>
<tr><td>5 ميغابايت*100 بوب/فرعي</td><td>ناتس</td><td>50</td><td>1.650328186 ثانية/عملية</td><td>4.29 جيجابايت</td><td>85.58</td><td>25G</td></tr>
<tr><td>5 ميغابايت*100 حانة/فرعية</td><td>RocksMQ</td><td>50</td><td>2.475595131 ثانية/عملية</td><td>1.18 جيجابايت</td><td>81.42</td><td>19G</td></tr>
<tr><td>1 ميغابايت*500 حانة/فرعية</td><td>ناتس</td><td>50</td><td>2.248722593 ثانية/عملية</td><td>2.60 جيجابايت</td><td>96.50</td><td>25G</td></tr>
<tr><td>1 ميغابايت*500 حانة/فرعية</td><td>RocksMQ</td><td>50</td><td>2.554614279 ثانية/عملية</td><td>614.9 ميغابايت</td><td>80.19</td><td>19G</td></tr>
<tr><td>64 كيلوبايت*10000 حانة/فرعية</td><td>ناتس</td><td>50</td><td>2.133345262 ثانية/عملية</td><td>3.29 جيجابايت</td><td>97.59</td><td>31G</td></tr>
<tr><td>64 كيلوبايت*10000 حانة/فرعية</td><td>RocksMQ</td><td>50</td><td>3.253778195 ق/س/س</td><td>331.2 ميغابايت</td><td>134.6</td><td>24G</td></tr>
<tr><td>1 كيلوبايت*50000 حانة/فرعية</td><td>ناتس</td><td>50</td><td>2.629391004 ثانية/عملية</td><td>635.1 ميغابايت</td><td>179.67</td><td>2.6G</td></tr>
<tr><td>1 كيلوبايت*50000 حانة/فرعية</td><td>روكسمك</td><td>50</td><td>0.897638581 ثانية/عملية</td><td>232.3 ميغابايت</td><td>60.42</td><td>521M</td></tr>
</tbody>
</table>
<p>الجدول 1: نتائج اختبار أداء Pub/Sub</p>
<h3 id="Milvus-Integration-Testing" class="common-anchor-header">اختبار تكامل ميلفوس</h3><p><strong>حجم البيانات:</strong> 100 ميغابايت</p>
<p><strong>النتيجة:</strong> في اختبار مكثف مع مجموعة بيانات 100 مليون متجه، أظهر NATS انخفاضًا في البحث عن المتجهات وزمن انتقال الاستعلام.</p>
<table>
<thead>
<tr><th>المقاييس</th><th>RocksMQ (مللي ثانية)</th><th>NATS (مللي ثانية)</th></tr>
</thead>
<tbody>
<tr><td>متوسط زمن انتقال البحث عن المتجهات</td><td>23.55</td><td>20.17</td></tr>
<tr><td>طلبات البحث عن المتجهات في الثانية (RPS)</td><td>2.95</td><td>3.07</td></tr>
<tr><td>متوسط وقت استجابة الاستعلام</td><td>7.2</td><td>6.74</td></tr>
<tr><td>طلبات الاستعلام في الثانية (RPS)</td><td>1.47</td><td>1.54</td></tr>
</tbody>
</table>
<p>الجدول 2: نتائج اختبار تكامل Milvus مع مجموعة بيانات 100 متر</p>
<p><strong>مجموعة البيانات: &lt;100 مليون</strong></p>
<p><strong>النتيجة:</strong> بالنسبة لمجموعات البيانات الأصغر من 100 مليون، يُظهر NATS و RocksMQ أداءً مشابهًا.</p>
<h2 id="Conclusion-Empowering-Milvus-with-NATS-messaging" class="common-anchor-header">الاستنتاج: تمكين ميلفوس مع رسائل NATS<button data-href="#Conclusion-Empowering-Milvus-with-NATS-messaging" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>يمثل دمج NATS في Milvus خطوة كبيرة في معالجة البيانات. سواءً كان الخوض في التحليلات في الوقت الحقيقي، أو تطبيقات التعلم الآلي، أو أي مشروع كثيف البيانات، فإن NATS يمكّن مشاريعك بالكفاءة والموثوقية والسرعة. مع تطور مشهد البيانات، فإن وجود نظام مراسلة قوي مثل NATS داخل Milvus يضمن اتصال بيانات سلس وموثوق وعالي الأداء.</p>


تحسين اتصالات البيانات: ميلفوس تحتضن رسائل NATS

<p>
  <span class="img-wrapper">
    <img translate="no" src="https://assets.zilliz.com/What_s_New_in_Milvus_2_3_2_and_2_3_3_d3d0db03c3.png" alt="" class="doc-image" id="" />
    <span></span>
  </span>
</p>
<p>في المشهد المتطور باستمرار لتقنيات البحث عن المتجهات، لا تزال Milvus في الطليعة، حيث تتخطى الحدود وتضع معايير جديدة. اليوم، يسعدنا أن نعلن عن إصدار الإصدار 2.3.2 و2.3.3.3 من Milvus! تجلب هذه التحديثات العديد من الميزات المثيرة والتحسينات والتحسينات المثيرة، مما يعزز أداء النظام والمرونة وتجربة المستخدم بشكل عام.</p>
<h2 id="Support-for-Array-data-types---making-search-results-more-accurate-and-relevant" class="common-anchor-header">دعم أنواع بيانات المصفوفات - مما يجعل نتائج البحث أكثر دقة وملاءمة<button data-href="#Support-for-Array-data-types---making-search-results-more-accurate-and-relevant" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>تُعد إضافة دعم نوع بيانات المصفوفات تحسينًا محوريًا لـ Milvus، خاصةً في سيناريوهات تصفية الاستعلام مثل التقاطع والاتحاد. تضمن هذه الإضافة أن تكون نتائج البحث ليست أكثر دقة فحسب، بل أكثر ملاءمة أيضًا. من الناحية العملية، على سبيل المثال، في قطاع التجارة الإلكترونية، تسمح علامات المنتجات المخزّنة كسلسلة مصفوفات للمستهلكين بإجراء عمليات بحث متقدمة، وتصفية النتائج غير ذات الصلة.</p>
<p>يمكنك الغوص في <a href="https://milvus.io/docs/array_data_type.md">وثائقنا</a> الشاملة للحصول على دليل متعمق حول الاستفادة من أنواع المصفوفات في Milvus.</p>
<h2 id="Support-for-complex-delete-expressions---improving-your-data-management" class="common-anchor-header">دعم تعبيرات الحذف المعقدة - تحسين إدارة البيانات الخاصة بك<button data-href="#Support-for-complex-delete-expressions---improving-your-data-management" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>في الإصدارات السابقة، دعمت Milvus في الإصدارات السابقة تعبيرات حذف المفتاح الأساسي، مما يوفر بنية مستقرة ومبسطة. مع الإصدار Milvus 2.3.2 أو 2.3.3، يمكن للمستخدمين استخدام تعبيرات الحذف المعقدة، مما يسهل مهام إدارة البيانات المعقدة مثل التنظيف المتجدد للبيانات القديمة أو حذف البيانات المدفوع باللائحة العامة لحماية البيانات استنادًا إلى معرّفات المستخدم.</p>
<p>ملاحظة: تأكد من تحميل المجموعات قبل استخدام التعبيرات المعقدة. بالإضافة إلى ذلك، من المهم ملاحظة أن عملية الحذف لا تضمن الذرية.</p>
<h2 id="TiKV-integration---scalable-metadata-storage-with-stability" class="common-anchor-header">تكامل TiKV - تخزين البيانات الوصفية القابلة للتطوير مع الاستقرار<button data-href="#TiKV-integration---scalable-metadata-storage-with-stability" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>بالاعتماد في السابق على Etcd لتخزين البيانات الوصفية، واجهت Milvus تحديات محدودة السعة وقابلية التوسع في تخزين البيانات الوصفية. ولمعالجة هذه المشاكل، أضافت Milvus TiKV، وهو مخزن مفتوح المصدر للقيم الرئيسية، كخيار آخر لتخزين البيانات الوصفية. يوفر TiKV قابلية توسع واستقرار وكفاءة محسنة، مما يجعله حلاً مثاليًا لمتطلبات Milvus المتطورة. بدءًا من الإصدار Milvus 2.3.2، يمكن للمستخدمين الانتقال بسلاسة إلى TiKV لتخزين البيانات الوصفية من خلال تعديل التكوين.</p>
<h2 id="Support-for-FP16-vector-type---embracing-machine-learning-efficiency" class="common-anchor-header">دعم نوع المتجه FP16 - احتضان كفاءة التعلم الآلي<button data-href="#Support-for-FP16-vector-type---embracing-machine-learning-efficiency" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>يدعم الآن الإصدار Milvus 2.3.2 والإصدارات الأحدث نوع متجه FP16 على مستوى الواجهة. FP16، أو النقطة العائمة 16 بت، هو تنسيق بيانات يستخدم على نطاق واسع في التعلم العميق والتعلم الآلي، مما يوفر تمثيلًا وحسابًا فعالاً للقيم العددية. في حين أن الدعم الكامل لـ FP16 قيد التنفيذ، تتطلب الفهارس المختلفة في طبقة الفهرسة تحويل FP16 إلى FP32 أثناء الإنشاء.</p>
<p>سنقوم بدعم أنواع بيانات FP16 و BF16 و int8 بشكل كامل في الإصدارات اللاحقة من Milvus. ترقبوا.</p>
<h2 id="Significant-improvement-in-the-rolling-upgrade-experience---seamless-transition-for-users" class="common-anchor-header">تحسين كبير في تجربة الترقية المتجددة - انتقال سلس للمستخدمين<button data-href="#Significant-improvement-in-the-rolling-upgrade-experience---seamless-transition-for-users" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>تعد الترقية المتجددة ميزة مهمة للأنظمة الموزعة، مما يتيح ترقيات النظام دون تعطيل خدمات الأعمال أو التعرض لأوقات تعطل. في أحدث إصدارات ميلفوس، قمنا بتعزيز ميزة الترقية المتجددة في ميلفوس، مما يضمن انتقالاً أكثر انسيابية وفعالية للمستخدمين الذين يقومون بالترقية من الإصدار 2.2.15 إلى 2.3.3.3 وجميع الإصدارات الأحدث. وقد استثمر المجتمع أيضًا في إجراء اختبارات وتحسينات واسعة النطاق، مما قلل من تأثير الاستعلام أثناء الترقية إلى أقل من 5 دقائق، مما يوفر للمستخدمين تجربة خالية من المتاعب.</p>
<h2 id="Performance-optimization" class="common-anchor-header">تحسين الأداء<button data-href="#Performance-optimization" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>بالإضافة إلى تقديم ميزات جديدة، فقد قمنا بتحسين أداء Milvus بشكل كبير في الإصدارين الأخيرين.</p>
<ul>
<li><p>تصغير عمليات نسخ البيانات لتحسين تحميل البيانات</p></li>
<li><p>تبسيط عمليات الإدراج ذات السعة الكبيرة باستخدام قراءة دُفعات متغيرة</p></li>
<li><p>إزالة عمليات التحقق من الإزاحات غير الضرورية أثناء حشو البيانات لتحسين أداء مرحلة الاستدعاء.</p></li>
<li><p>معالجة مشكلات الاستهلاك العالي لوحدة المعالجة المركزية في السيناريوهات ذات عمليات إدراج البيانات الكبيرة</p></li>
</ul>
<p>تساهم هذه التحسينات مجتمعةً في توفير تجربة Milvus أسرع وأكثر كفاءة. تحقق من لوحة معلومات المراقبة الخاصة بنا لإلقاء نظرة سريعة على كيفية تحسين أداء Milvus.</p>
<h2 id="Incompatible-changes" class="common-anchor-header">التغييرات غير المتوافقة<button data-href="#Incompatible-changes" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><ul>
<li><p>حذف التعليمات البرمجية المتعلقة بـ TimeTravel بشكل دائم.</p></li>
<li><p>إهمال دعم MySQL كمخزن للبيانات الوصفية.</p></li>
</ul>
<p>راجع <a href="https://milvus.io/docs/release_notes.md">ملاحظات إصدار Milvus</a> لمزيد من المعلومات التفصيلية حول جميع الميزات والتحسينات الجديدة.</p>
<h2 id="Conclusion" class="common-anchor-header">الخاتمة<button data-href="#Conclusion" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>مع الإصدارين الأخيرين Milvus 2.3.2 و2.3.3، نحن ملتزمون بتوفير حل قاعدة بيانات قوي وغني بالميزات وعالي الأداء. استكشف هذه الميزات الجديدة، واستفد من التحسينات، وانضم إلينا في هذه الرحلة المثيرة بينما نطور Milvus لتلبية متطلبات إدارة البيانات الحديثة. قم بتنزيل أحدث إصدار الآن واختبر مستقبل تخزين البيانات مع Milvus!</p>
<h2 id="Let’s-keep-in-touch" class="common-anchor-header">لنبقى على اتصال!<button data-href="#Let’s-keep-in-touch" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>إذا كان لديك أسئلة أو ملاحظات حول Milvus، انضم إلى <a href="https://discord.com/invite/8uyFbECzPX">قناة Discord</a> الخاصة بنا للتفاعل مع مهندسينا والمجتمع مباشرةً أو انضم إلى <a href="https://discord.com/invite/RjNbk8RR4f">غداء مجتمع Milvus وتعلم</a> كل يوم ثلاثاء من الساعة 12-12:30 مساءً بتوقيت المحيط الهادي. نرحب بك أيضًا لمتابعتنا على <a href="https://twitter.com/milvusio">تويتر</a> أو <a href="https://www.linkedin.com/company/the-milvus-project">LinkedIn</a> للحصول على آخر الأخبار والتحديثات حول Milvus.</p>


الكشف عن Milvus 2.3.2 و2.3.3: دعم أنواع بيانات المصفوفة، والحذف المعقد، وتكامل TiKV، والمزيد

<p>
  <span class="img-wrapper">
    <img translate="no" src="https://assets.zilliz.com/Exploring_M_Map_5086d652bd.png" alt="" class="doc-image" id="" />
    <span></span>
  </span>
</p>
<p><a href="https://zilliz.com/what-is-milvus">Milvus</a> هو الحل الأسرع في <a href="https://zilliz.com/blog/what-is-a-real-vector-database">قواعد البيانات المتجهة</a> مفتوحة المصدر، وهو يلبي احتياجات المستخدمين الذين لديهم متطلبات أداء مكثفة. ومع ذلك، فإن تنوع احتياجات المستخدمين يعكس البيانات التي يعملون بها. فالبعض يعطي الأولوية للحلول الصديقة للميزانية والتخزين الواسع على السرعة المطلقة. من خلال فهم هذا الطيف من المتطلبات، تقدم ميلفوس ميزة MMap، التي تعيد تعريف كيفية التعامل مع أحجام البيانات الكبيرة مع وعدها بكفاءة التكلفة دون التضحية بالوظائف.</p>
<h2 id="What-is-MMap" class="common-anchor-header">ما هي MMap؟<button data-href="#What-is-MMap" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>MMap، وهي اختصار للملفات المعينة بالذاكرة، تسد الفجوة بين الملفات والذاكرة داخل أنظمة التشغيل. تسمح هذه التقنية لـ Milvus بتعيين الملفات الكبيرة مباشرةً في مساحة ذاكرة النظام، وتحويل الملفات إلى كتل ذاكرة متجاورة. هذا التكامل يلغي الحاجة إلى عمليات القراءة أو الكتابة الصريحة، مما يغير بشكل أساسي كيفية إدارة Milvus للبيانات. يضمن الوصول السلس والتخزين الفعال للملفات الكبيرة أو الحالات التي يحتاج فيها المستخدمون إلى الوصول إلى الملفات بشكل عشوائي.</p>
<h2 id="Who-benefits-from-MMap" class="common-anchor-header">من المستفيد من MMap؟<button data-href="#Who-benefits-from-MMap" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>تتطلب قواعد البيانات المتجهة سعة ذاكرة كبيرة بسبب متطلبات تخزين البيانات المتجهة. مع ميزة MMap، تصبح معالجة المزيد من البيانات ضمن ذاكرة محدودة حقيقة واقعة. ومع ذلك، تأتي هذه القدرة المتزايدة بتكلفة أداء. يدير النظام الذاكرة بذكاء، حيث يقوم بإخلاء بعض البيانات بذكاء بناءً على التحميل والاستخدام. يسمح هذا الإخلاء ل Milvus بمعالجة المزيد من البيانات بنفس سعة الذاكرة.</p>
<p>خلال اختباراتنا، لاحظنا أنه مع وجود ذاكرة واسعة، تستقر جميع البيانات في الذاكرة بعد فترة الإحماء، مما يحافظ على أداء النظام. ومع ذلك، مع نمو حجم البيانات، ينخفض الأداء تدريجيًا. <strong>لذلك، نوصي باستخدام ميزة MMap للمستخدمين الأقل حساسية لتقلبات الأداء.</strong></p>
<h2 id="Enabling-MMap-in-Milvus-a-simple-configuration" class="common-anchor-header">تمكين MMap في Milvus: تكوين بسيط<button data-href="#Enabling-MMap-in-Milvus-a-simple-configuration" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>تمكين MMap في Milvus بسيط بشكل ملحوظ. كل ما عليك القيام به هو تعديل الملف <code translate="no">milvus.yaml</code>: أضف العنصر <code translate="no">mmapDirPath</code> ضمن تكوين <code translate="no">queryNode</code> وقم بتعيين مسار صالح كقيمة له.</p>
<p>
  <span class="img-wrapper">
    <img translate="no" src="https://assets.zilliz.com/enabling_mmap_a2df88276b.png" alt="" class="doc-image" id="" />
    <span></span>
  </span>
</p>
<h2 id="Striking-the-balance-performance-storage-and-system-limits" class="common-anchor-header">تحقيق التوازن: الأداء والتخزين وحدود النظام<button data-href="#Striking-the-balance-performance-storage-and-system-limits" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>تؤثر أنماط الوصول إلى البيانات بشكل كبير على الأداء. تعمل ميزة MMap في Milvus على تحسين الوصول إلى البيانات بناءً على الموقع. تتيح ميزة MMap لـ Milvus كتابة البيانات العددية مباشرةً على القرص لمقاطع البيانات التي يتم الوصول إليها بالتسلسل. تخضع البيانات ذات الطول المتغير مثل السلاسل لعملية تسطيح ويتم فهرستها باستخدام مصفوفة إزاحات في الذاكرة. يضمن هذا النهج تحديد موقع الوصول إلى البيانات ويزيل عبء تخزين كل بيانات متغيرة الطول بشكل منفصل. التحسينات الخاصة بفهارس المتجهات دقيقة. يتم استخدام MMap بشكل انتقائي لبيانات المتجهات مع الاحتفاظ بقوائم المتجاورات في الذاكرة، مما يحافظ على ذاكرة كبيرة دون المساس بالأداء.</p>
<p>بالإضافة إلى ذلك، يزيد MMap من معالجة البيانات إلى أقصى حد من خلال تقليل استخدام الذاكرة. على عكس الإصدارات السابقة من Milvus حيث كان QueryNode ينسخ مجموعات بيانات كاملة، يعتمد MMap عملية تدفق مبسطة وخالية من النسخ أثناء التطوير. ويقلل هذا التحسين بشكل كبير من الحمل الزائد للذاكرة.</p>
<p><strong>تُظهر نتائج اختباراتنا الداخلية أن Milvus يمكنه التعامل بكفاءة مع ضعف حجم البيانات عند تمكين MMap.</strong></p>
<h2 id="The-road-ahead-continuous-innovation-and-user-centric-enhancements" class="common-anchor-header">الطريق إلى الأمام: الابتكار المستمر والتحسينات التي تركز على المستخدم<button data-href="#The-road-ahead-continuous-innovation-and-user-centric-enhancements" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>بينما لا تزال ميزة MMap في مرحلتها التجريبية، يلتزم فريق ميلفوس بالتحسين المستمر. ستعمل التحديثات المستقبلية على تحسين استخدام النظام للذاكرة، مما يمكّن ميلفوس من دعم أحجام بيانات أكثر شمولاً على عقدة واحدة. يمكن للمستخدمين توقع المزيد من التحكم الدقيق في ميزة MMap، مما يتيح إجراء تغييرات ديناميكية على المجموعات وأنماط تحميل الحقول المتقدمة. توفر هذه التحسينات مرونة غير مسبوقة، مما يسمح للمستخدمين بتكييف استراتيجيات معالجة البيانات الخاصة بهم وفقًا لمتطلبات محددة.</p>
<h2 id="Conclusion-redefining-data-processing-excellence-with-Milvus-MMap" class="common-anchor-header">الخلاصة: إعادة تعريف التميز في معالجة البيانات مع Milvus MMap<button data-href="#Conclusion-redefining-data-processing-excellence-with-Milvus-MMap" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>تمثل ميزة MMap في Milvus 2.3 قفزة كبيرة في تكنولوجيا معالجة البيانات. من خلال تحقيق توازن دقيق بين الأداء والتكلفة وحدود النظام، تمكّن Milvus المستخدمين من التعامل مع كميات هائلة من البيانات بكفاءة وفعالية من حيث التكلفة. ومع استمرار ميلفوس في التطور، تظل في طليعة الحلول المبتكرة، وتعيد تعريف حدود ما يمكن تحقيقه في إدارة البيانات.</p>
<p>ترقبوا المزيد من التطورات الرائدة مع استمرار ميلفوس في رحلتها نحو التميز غير المسبوق في معالجة البيانات.</p>


طرحت شركة ميلفوس خريطة MMap لإدارة البيانات المعاد تعريفها وزيادة قدرة التخزين

مقارنة قواعد بيانات المتجهات ومكتبات البحث عن المتجهات ومكونات البحث عن المتجهات الإضافية

<p>
  <span class="img-wrapper">
    <img translate="no" src="https://assets.zilliz.com/Ingesting_Chaos_20231017_110103_54fe2009cb.png" alt="" class="doc-image" id="" />
    <span></span>
  </span>
</p>
<p>يتم توليد البيانات بشكل أسرع من أي وقت مضى بكل الأشكال التي يمكن تخيلها. هذه البيانات هي البنزين الذي سيشغّل موجة جديدة من تطبيقات الذكاء الاصطناعي، ولكن تحتاج محركات تحسين الإنتاجية هذه إلى المساعدة في استيعاب هذا الوقود. إن المجموعة الواسعة من السيناريوهات والحالات المتطورة المحيطة بالبيانات غير المهيكلة تجعل من الصعب استخدامها في أنظمة الذكاء الاصطناعي الإنتاجية.</p>
<p>بالنسبة للمبتدئين، هناك عدد كبير من مصادر البيانات. تقوم هذه بتصدير البيانات بتنسيقات ملفات مختلفة، ولكل منها خصائصه الغريبة. على سبيل المثال، تختلف كيفية معالجة ملف PDF اختلافًا كبيرًا اعتمادًا على مصدرها. من المرجح أن يركز إدخال ملف PDF لقضية تقاضي في الأوراق المالية على البيانات النصية. في المقابل، ستكون مواصفات تصميم نظام لمهندس صواريخ مليئة بالمخططات التي تتطلب معالجة بصرية. ويضيف عدم وجود مخطط محدد في البيانات غير المنظمة مزيدًا من التعقيد. وحتى عندما يتم التغلب على تحدي معالجة البيانات، تظل مشكلة استيعابها على نطاق واسع قائمة. يمكن أن يختلف حجم الملفات بشكل كبير، مما يغير كيفية معالجتها. يمكنك معالجة تحميل 1 ميغابايت بسرعة على واجهة برمجة التطبيقات عبر HTTP، ولكن قراءة عشرات الجيجابايتات من ملف واحد تتطلب تدفقًا وعاملًا مخصصًا.</p>
<p>إن التغلب على هذه التحديات التقليدية في هندسة البيانات هو رهان أساسي لتوصيل البيانات الخام إلى <a href="https://zilliz.com/glossary/large-language-models-(llms)">LLMs</a> عبر <a href="https://zilliz.com/learn/what-is-vector-database">قواعد بيانات المتجهات</a> مثل <a href="https://github.com/milvus-io/milvus">Milvus</a>. ومع ذلك، تتطلب حالات الاستخدام الناشئة مثل إجراء عمليات البحث عن التشابه الدلالي بمساعدة قاعدة بيانات المتجهات خطوات معالجة جديدة مثل تقطيع البيانات المصدر، وتنسيق البيانات الوصفية لعمليات البحث الهجينة، واختيار نموذج تضمين المتجهات المناسب، وضبط معلمات البحث لتحديد البيانات التي يجب تغذية LLM بها. إن عمليات سير العمل هذه جديدة جدًا لدرجة أنه لا توجد أفضل الممارسات الثابتة التي يمكن للمطورين اتباعها. وبدلاً من ذلك، يجب عليهم إجراء التجارب للعثور على التكوين الصحيح وحالة الاستخدام الصحيحة لبياناتهم. ولتسريع هذه العملية، فإن استخدام خط أنابيب تضمين المتجهات للتعامل مع إدخال البيانات في قاعدة بيانات المتجهات لا يقدر بثمن.</p>
<p>سيقوم خط أنابيب تضمين المتجهات مثل <a href="https://github.com/dgarnitz/vectorflow">VectorFlow</a> بتوصيل بياناتك الأولية بقاعدة بيانات المتجهات، بما في ذلك التقطيع وتنسيق البيانات الوصفية والتضمين والتحميل. يُمكّن VectorFlow الفرق الهندسية من التركيز على منطق التطبيق الأساسي، وتجربة معلمات الاسترجاع المختلفة الناتجة عن نموذج التضمين واستراتيجية التقطيع وحقول البيانات الوصفية وجوانب البحث لمعرفة ما هو الأفضل أداءً.</p>
<p>من خلال عملنا في مساعدة الفرق الهندسية في نقل أنظمة <a href="https://zilliz.com/use-cases/llm-retrieval-augmented-generation">التوليد المعزز للاسترجاع (RAG)</a> من النموذج الأولي إلى الإنتاج، لاحظنا نجاح النهج التالي في اختبار المعلمات المختلفة لخط أنابيب البحث RAG:</p>
<ol>
<li>استخدم مجموعة صغيرة من البيانات المألوفة لديك لسرعة التكرار، مثل بعض ملفات PDF التي تحتوي على أجزاء ذات صلة باستعلامات البحث.</li>
<li>ضع مجموعة قياسية من الأسئلة والأجوبة حول تلك المجموعة الفرعية من البيانات. على سبيل المثال، بعد قراءة ملفات PDF، اكتب قائمة بالأسئلة واطلب من فريقك الاتفاق على الإجابات.</li>
<li>قم بإنشاء نظام تقييم آلي يسجل أداء الاسترجاع في كل سؤال. تتمثل إحدى طرق القيام بذلك في أخذ الإجابة من نظام الاسترجاع وتشغيلها مرة أخرى من خلال نظام الاسترجاع مع مطالبة تسأل عما إذا كانت نتيجة الاسترجاع هذه تجيب على السؤال الذي تم إعطاء الإجابة الصحيحة عليه. يجب أن تكون هذه الإجابة "نعم" أو "لا". على سبيل المثال، إذا كان لديك 25 سؤالاً في مستنداتك، وحصل النظام على 20 إجابة صحيحة، يمكنك استخدام ذلك لقياسها مقارنةً بالمناهج الأخرى.</li>
<li>تأكد من استخدام LLM مختلفة للتقييم عن تلك التي استخدمتها لترميز التضمينات المتجهة المخزنة في قاعدة البيانات. عادةً ما يكون نموذج LLM للتقييم من نوع وحدة فك التشفير مثل GPT-4. شيء واحد يجب تذكره هو تكلفة هذه التقييمات عند تشغيلها بشكل متكرر. تتمتع النماذج مفتوحة المصدر مثل Llama2 70B أو Deci AI LLM 6B، والتي يمكن تشغيلها على وحدة معالجة رسومية واحدة أصغر حجماً، بنفس الأداء تقريباً بجزء بسيط من التكلفة.</li>
<li>قم بتشغيل كل اختبار عدة مرات وحساب متوسط النتيجة لتخفيف عشوائية LLM.</li>
</ol>
<p>مع الاحتفاظ بكل خيار ثابت باستثناء خيار واحد، يمكنك تحديد المعلمات التي تعمل بشكل أفضل لحالة الاستخدام الخاصة بك بسرعة. يجعل خط أنابيب التضمين المتجه مثل VectorFlow هذا الأمر سهلاً بشكل خاص على جانب الاستيعاب، حيث يمكنك تجربة استراتيجيات التقطيع المختلفة وأطوال القطع وتداخلات القطع ونماذج التضمين مفتوحة المصدر بسرعة لمعرفة ما يؤدي إلى أفضل النتائج. هذا مفيد بشكل خاص عندما تحتوي مجموعة بياناتك على أنواع ملفات ومصادر بيانات مختلفة تتطلب منطقًا مخصصًا.</p>
<p>بمجرد أن يعرف الفريق ما يصلح لحالة استخدامه، يمكّنهم خط أنابيب التضمين المتجه من الانتقال بسرعة إلى الإنتاج دون الحاجة إلى إعادة تصميم النظام لمراعاة أمور مثل الموثوقية والمراقبة. وبفضل تقنيات مثل VectorFlow <a href="https://zilliz.com/what-is-milvus">وMilvus،</a> وهي تقنيات مفتوحة المصدر ولا تعتمد على النظام الأساسي، يمكن للفريق إجراء الاختبار بكفاءة عبر بيئات مختلفة مع الالتزام بمتطلبات الخصوصية والأمان.</p>


استيعاب الفوضى: العمليات الإدارية وراء التعامل مع البيانات غير المهيكلة بشكل موثوق على نطاق واسع لـ RAG

لماذا ومتى تحتاج إلى قاعدة بيانات متجهات مصممة لغرض معين؟

كشف النقاب عن الإصدار Milvus 2.3: إصدار بارز يقدم دعمًا لوحدة معالجة الرسومات وArm64 وCDC والعديد من الميزات الأخرى المنتظرة

<p>
  <span class="img-wrapper">
    <img translate="no" src="https://assets.zilliz.com/What_s_New_in_2_2_12_20230720_143424_7d19280738.png" alt="" class="doc-image" id="" />
    <span></span>
  </span>
</p>
<p>يسرنا أن نعلن عن الإصدار الأخير من Milvus 2.2.12. يتضمن هذا التحديث العديد من الميزات الجديدة، مثل دعم واجهة برمجة تطبيقات RESTful، ووظيفة <code translate="no">json_contains</code> ، واسترجاع المتجهات أثناء عمليات البحث في الشبكة الوطنية استجابةً لتعليقات المستخدمين. كما قمنا أيضًا بتبسيط تجربة المستخدم وتحسين سرعات البحث عن المتجهات وحل العديد من المشكلات. دعونا نتعمق في ما يمكن أن نتوقعه من Milvus 2.2.12.</p>
<h2 id="Support-for-RESTful-API" class="common-anchor-header">دعم واجهة برمجة تطبيقات RESTful<button data-href="#Support-for-RESTful-API" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>يدعم الإصدار Milvus 2.2.12 الآن واجهة برمجة تطبيقات RESTful API، والتي تمكّن المستخدمين من الوصول إلى Milvus دون تثبيت عميل، مما يجعل عمليات الخادم والعميل سهلة. بالإضافة إلى ذلك، أصبح نشر Milvus أكثر ملاءمة لأن Milvus SDK وواجهة برمجة تطبيقات RESTful API يشتركان في نفس رقم المنفذ.</p>
<p><strong>ملاحظة</strong>: ما زلنا نوصي باستخدام SDK لنشر Milvus للعمليات المتقدمة أو إذا كان عملك حساسًا لوقت الاستجابة.</p>
<h2 id="Vector-retrieval-during-ANN-searches" class="common-anchor-header">استرجاع المتجهات أثناء عمليات البحث عن الشبكة الوطنية<button data-href="#Vector-retrieval-during-ANN-searches" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>في الإصدارات السابقة، لم يكن Milvus يسمح باسترجاع المتجهات أثناء عمليات البحث عن الجار الأقرب التقريبي (ANN) لتحديد أولويات الأداء واستخدام الذاكرة. ونتيجةً لذلك، كان يجب تقسيم استرجاع المتجهات الخام إلى خطوتين: إجراء بحث الشبكة العصبية الاصطناعية ثم الاستعلام عن المتجهات الخام بناءً على معرّفاتها. أدى هذا النهج إلى زيادة تكاليف التطوير وجعل من الصعب على المستخدمين نشر واعتماد Milvus.</p>
<p>مع الإصدار Milvus 2.2.12، يمكن للمستخدمين استرداد المتجهات الخام أثناء عمليات بحث الشبكة العصبية الاصطناعية من خلال تعيين حقل المتجه كحقل إخراج والاستعلام في مجموعات مفهرسة بـ HNSW أو DiskANN أو IVF-FLAT. بالإضافة إلى ذلك، يمكن للمستخدمين توقع سرعة استرجاع المتجهات بشكل أسرع بكثير.</p>
<h2 id="Support-for-operations-on-JSON-arrays" class="common-anchor-header">دعم العمليات على مصفوفات JSON<button data-href="#Support-for-operations-on-JSON-arrays" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>أضفنا مؤخرًا دعم JSON في Milvus 2.2.8. ومنذ ذلك الحين، أرسل المستخدمون العديد من الطلبات لدعم عمليات إضافية لمصفوفات JSON، مثل التضمين والاستبعاد والتقاطع والاتحاد والفرق وغيرها. في Milvus 2.2.12، أعطينا الأولوية لدعم الدالة <code translate="no">json_contains</code> لتمكين عملية التضمين. سنستمر في إضافة الدعم للمشغلات الأخرى في الإصدارات المستقبلية.</p>
<h2 id="Enhancements-and-bug-fixes" class="common-anchor-header">التحسينات وإصلاح الأخطاء<button data-href="#Enhancements-and-bug-fixes" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>بالإضافة إلى تقديم ميزات جديدة، حسّن الإصدار Milvus 2.2.12 أداء البحث المتجه مع تقليل النفقات العامة، مما يسهل التعامل مع عمليات البحث المكثفة في توبك. علاوة على ذلك، فهو يحسّن أداء الكتابة في حالات تمكين مفتاح التقسيم والأقسام المتعددة ويحسّن استخدام وحدة المعالجة المركزية للأجهزة الكبيرة. يعالج هذا التحديث العديد من المشكلات: الاستخدام المفرط للقرص، والضغط العالق، وحذف البيانات غير المتكرر، وفشل الإدراج بالجملة. للمزيد من المعلومات، يُرجى الرجوع إلى <a href="https://milvus.io/docs/release_notes.md#2212">ملاحظات الإصدار Milvus 2.2.12</a>.</p>
<h2 id="Lets-keep-in-touch" class="common-anchor-header">لنبقى على اتصال!<button data-href="#Lets-keep-in-touch" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>إذا كانت لديك أسئلة أو ملاحظات حول Milvus، لا تتردد في التواصل معنا عبر <a href="https://twitter.com/milvusio">تويتر</a> أو <a href="https://www.linkedin.com/company/the-milvus-project">لينكد إن</a>. نرحب بك أيضًا للانضمام إلى <a href="https://milvus.io/slack/">قناة Slack</a> الخاصة بنا للدردشة مع مهندسينا والمجتمع مباشرةً أو الاطلاع على <a href="https://us02web.zoom.us/meeting/register/tZ0pcO6vrzsuEtVAuGTpNdb6lGnsPBzGfQ1T#/registration">ساعات العمل يوم الثلاثاء</a>!</p>


Milvus 2.2.12: وصول أسهل، وسرعات بحث أسرع عن المتجهات، وتجربة مستخدم أفضل

<p>
  <span class="img-wrapper">
    <img translate="no" src="https://assets.zilliz.com/What_s_New_in_Milvus_2_2_10_and_2_2_11_5018946465.png" alt="" class="doc-image" id="" />
    <span></span>
  </span>
</p>
<p>تحياتي، عشاق Milvus! يسعدنا أن نعلن أننا قد أصدرنا للتو الإصدارين Milvus 2.2.10 و2.2.11، وهما تحديثان ثانويان يركزان بشكل أساسي على إصلاح الأخطاء وتحسين الأداء بشكل عام. يمكنك أن تتوقع نظامًا أكثر استقرارًا وتجربة مستخدم أفضل مع التحديثين. دعونا نلقي نظرة سريعة على الجديد في هذين الإصدارين.</p>
<h2 id="Milvus-2210" class="common-anchor-header">ميلفوس 2.2.10<button data-href="#Milvus-2210" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>قام الإصدار Milvus 2.2.10 بإصلاح الأعطال العرضية للنظام، وتسريع التحميل والفهرسة، وتقليل استخدام الذاكرة في عقد البيانات، وإجراء العديد من التحسينات الأخرى. فيما يلي بعض التغييرات البارزة:</p>
<ul>
<li>تم استبدال كاتب حمولة CGO القديم بكاتب حمولة CGO جديد مكتوب بلغة Go خالصة، مما قلل من استخدام الذاكرة في عقد البيانات.</li>
<li>إضافة <code translate="no">go-api/v2</code> إلى ملف <code translate="no">milvus-proto</code> لمنع الخلط مع إصدارات <code translate="no">milvus-proto</code> المختلفة.</li>
<li>ترقية Gin من الإصدار 1.9.0 إلى 1.9.1 لإصلاح خطأ في الدالة <code translate="no">Context.FileAttachment</code>.</li>
<li>تمت إضافة التحكم في الوصول المستند إلى الأدوار (RBAC) لواجهات برمجة تطبيقات FlushAll وواجهات برمجة تطبيقات قواعد البيانات.</li>
<li>إصلاح التعطل العشوائي الناجم عن AWS S3 SDK.</li>
<li>تحسين سرعات التحميل والفهرسة.</li>
</ul>
<p>لمزيد من التفاصيل، راجع <a href="https://milvus.io/docs/release_notes.md#2210">ملاحظات الإصدار Milvus 2.2.10 ملاحظات الإصدار</a>.</p>
<h2 id="Milvus-2211" class="common-anchor-header">ملفوس 2.2.11<button data-href="#Milvus-2211" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>قام الإصدار Milvus 2.2.11 بحل العديد من المشكلات لتحسين استقرار النظام. كما قام أيضًا بتحسين أدائه في المراقبة والتسجيل وتحديد المعدل واعتراض الطلبات عبر المجموعات. انظر أدناه للاطلاع على أبرز ميزات هذا التحديث.</p>
<ul>
<li>تمت إضافة معترض إلى خادم Milvus GRPC لمنع أي مشاكل في التوجيه عبر المجموعات.</li>
<li>إضافة رموز خطأ إلى مدير القطع الصغيرة لتسهيل تشخيص الأخطاء وإصلاحها.</li>
<li>استخدام مجموعة كوروتين أحادية لتجنب إهدار الكوروتينات وتعظيم استخدام الموارد.</li>
<li>تقليل استخدام القرص ل RocksMq إلى عُشر مستواه الأصلي من خلال تمكين ضغط zstd.</li>
<li>إصلاح ذعر QueryNode العرضي أثناء التحميل.</li>
<li>إصلاح مشكلة اختناق طلبات القراءة الناجمة عن سوء حساب طول قائمة الانتظار مرتين.</li>
<li>إصلاح المشكلات المتعلقة بإرجاع GetObject لقيم فارغة على نظام MacOS.</li>
<li>إصلاح التعطل الناجم عن الاستخدام غير الصحيح لمُعدِّل noexcept.</li>
</ul>
<p>للمزيد من التفاصيل، راجع <a href="https://milvus.io/docs/release_notes.md#2211">ملاحظات الإصدار Milvus 2.2.11</a>.</p>
<h2 id="Let’s-keep-in-touch" class="common-anchor-header">لنبقى على اتصال!<button data-href="#Let’s-keep-in-touch" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>إذا كانت لديك أسئلة أو ملاحظات حول Milvus، لا تتردد في الاتصال بنا عبر <a href="https://twitter.com/milvusio">تويتر</a> أو <a href="https://www.linkedin.com/company/the-milvus-project">لينكد إن إن</a>. نرحب بك أيضًا للانضمام إلى <a href="https://milvus.io/slack/">قناة Slack</a> الخاصة بنا للدردشة مع مهندسينا والمجتمع مباشرةً أو الاطلاع على <a href="https://us02web.zoom.us/meeting/register/tZ0pcO6vrzsuEtVAuGTpNdb6lGnsPBzGfQ1T#/registration">ساعات العمل يوم الثلاثاء</a>!</p>


Milvus 2.2.10 & 2.2.11 Enhanced System Stability and User Experience

Milvus 2.2.10 و2.2.11: تحديثات طفيفة لتحسين استقرار النظام وتجربة المستخدم

<p>
  <span class="img-wrapper">
    <img translate="no" src="https://assets.zilliz.com/Milvus_hit_20_000_stars_284ed694d2.png" alt="" class="doc-image" id="" />
    <span></span>
  </span>
</p>
<p>دعونا نخرج قصاصات الورق الملون ونحتفل!</p>
<p>لقد حقق<a href="https://github.com/milvus-io/milvus">ميلفوس</a> إنجازًا رائعًا - تجاوز 20,000 نجمة على GitHub! لم نكن لنحقق هذا الإنجاز دون دعم وملاحظات معجبينا الأوفياء وأعضاء مجتمعنا. شكراً جزيلاً لكم.</p>
<p>لمشاركة الفرحة، قمنا بتجميع قائمة بالموضوعات الهامة من مجتمع ميلفوس الأوسع، بما في ذلك:</p>
<ul>
<li>ستة مشاريع بارزة تستخدم ميلفوس</li>
<li>خمس عمليات تكامل مع مشاريع أخرى مفتوحة المصدر</li>
<li>خمس حالات استخدام معروفة لميلفوس</li>
<li>خمس ميزات ممتازة قادمة</li>
</ul>
<h2 id="Six-LLM-projects-that-utilize-Milvus" class="common-anchor-header">ستة مشاريع LLM التي تستخدم ميلفوس<button data-href="#Six-LLM-projects-that-utilize-Milvus" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><h3 id="PaperGPT" class="common-anchor-header">PaperGPT</h3><p><a href="http://papergpt.bio">PaperGPT</a> عبارة عن أداة بحث عن الأوراق الطبية الحيوية مدعومة بقاعدة بيانات LLM وقاعدة بيانات متجهة. وهي تستفيد من قاعدة بيانات PubMed وتقنيات مثل SentenceTransformers و Zilliz Cloud للبحث الفعال.</p>
<h3 id="NoticeAI" class="common-anchor-header">NoticeAI</h3><p>تساعد شركة NoticeAI الشركات على أتمتة عملية دعم العملاء. وهو يستخدم Milvus وLangChain لتتبع أسئلة دعم العملاء، وتحديث قاعدة المعرفة، وتحديد ما إذا كان يجب إشراك إنسان أم لا.</p>
<h3 id="Searchanythingio" class="common-anchor-header">Search.anything.io</h3><p>يستفيد تطبيق<a href="http://search.anything.io">Search Anything</a> من LLMs وMilvus لتوفير تجربة بحث أفضل. فهو يأخذ وصفاً نصياً من المستخدم ويعثر على الصور المقابلة على الويب.</p>
<h3 id="IkuStudies" class="common-anchor-header">IkuStudies</h3><p><a href="https://ikustudies.xyz/">IkuStudies</a> هو مشروع يسمح للمستخدمين بالبحث من خلال المتجانسات في 28 لغة. يستخدم Milvus كمخزن متجه للعثور على أوجه التشابه بين الكلمات.</p>
<h3 id="AssistLink-AI" class="common-anchor-header">AssistLink AI</h3><p><a href="https://www.linkedin.com/company/assistlink/about/">AssistLink AI</a> هي شركة ناشئة مقرها سياتل تستخدم Milvus وLaMa 65bn لتخزين المتغيرات لنظام المساعدة الحكومية.</p>
<h3 id="OSS-Chat" class="common-anchor-header">دردشة OSS</h3><p>يتيح لك<a href="http://osschat.io">OSS Chat</a> الدردشة مع البرامج مفتوحة المصدر. ويستخدم Milvus لحقن المعرفة بالمجال حول المشاريع مفتوحة المصدر ويستخدم <a href="https://zilliz.com/blog/Caching-LLM-Queries-for-performance-improvements">ذاكرة التخزين المؤقت GPTCache</a> لتخزين الأسئلة المتداولة لتقليل تكاليف LLM.</p>
<h2 id="Five-AI-projects-Milvus-integrates-with" class="common-anchor-header">خمسة مشاريع ذكاء اصطناعي يتكامل معها ميلفوس<button data-href="#Five-AI-projects-Milvus-integrates-with" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><h3 id="LlamaIndex" class="common-anchor-header">LlamaIndex</h3><p><a href="https://github.com/jerryjliu/llama_index">LlamaIndex</a> هو إطار عمل بيانات لتطبيقات LLM يوفر موصلات بيانات لربط مصادر البيانات الخارجية مع LLM. يمكّنك LlamaIndex من إدخال بياناتك الخاصة أو المعرفة الخاصة بالمجال مباشرةً في تطبيق LLM الخاص بك.</p>
<h3 id="LangChainLangChainJS" class="common-anchor-header">LangChain/LangChainJS</h3><p><a href="https://github.com/hwchase17/langchain">LangChain</a> عبارة عن مكتبة مصممة لتسريع تطوير تطبيق LLM، حيث تقدم ميزات مثل إدارة المطالبات والسلاسل وتوليد البيانات المعززة والذاكرة والمزيد.</p>
<h3 id="ChatGPT-Retrieval-Plugin" class="common-anchor-header">ملحق استرجاع ChatGPT</h3><p>يُمكِّن المكوّن الإضافي لاسترجاع <a href="https://github.com/openai/chatgpt-retrieval-plugin">ChatGPT</a> من OpenAI البحث الدلالي واسترجاع المستندات الشخصية أو المؤسسية باستخدام استعلامات اللغة الطبيعية، مما يسمح للمطوّرين بنشر المكوّن الإضافي الخاص بهم وتسجيله مع ChatGPT.</p>
<h3 id="Haystack" class="common-anchor-header">هايستاك</h3><p><a href="https://github.com/deepset-ai/haystack">Haystack</a> هو إطار عمل شامل للبرمجة اللغوية العصبية لبناء تطبيقات البرمجة اللغوية العصبية مدعوم من LLMs، ونماذج المحولات، والبحث المتجه، وتقنيات أخرى لمهام مثل الإجابة عن الأسئلة، والبحث الدلالي عن المستندات، وبناء عملية صنع القرار المعقدة.</p>
<h3 id="GPTCache" class="common-anchor-header">ذاكرة تخزين GPTCache</h3><p>يمكن أن تكون مكالمات واجهة برمجة تطبيقات LLM مكلفة وبطيئة. يمكن لـ <a href="https://github.com/zilliztech/gptcache">GPTCache</a> معالجة كلتا المشكلتين من خلال توفير ذاكرة تخزين مؤقت دلالية لاستعلامات LLM.</p>
<h2 id="Five-well-known-use-cases-of-Milvus" class="common-anchor-header">خمس حالات استخدام معروفة لميلفوس<button data-href="#Five-well-known-use-cases-of-Milvus" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><h3 id="LLM-augmentation" class="common-anchor-header">زيادة LLM</h3><p>تعاني تطبيقات LLM أو تطبيقات LLM من ثلاث مشاكل رئيسية: نقص البيانات الخاصة بالمجال، والبيانات القديمة، والتكاليف المرتفعة. يمكن لـ Milvus حل جميع هذه المشاكل الثلاث من خلال السماح لك بإدخال بيانات خارجية والعمل كمخزن مؤقت للاستعلامات المتكررة.</p>
<h3 id="Anomaly-detection" class="common-anchor-header">اكتشاف الشذوذ</h3><p>تختلف البيانات الشاذة اختلافًا كبيرًا عن البيانات الأخرى في مجموعة معينة. تُعد قواعد البيانات المتجهة مثل Milvus مفيدة لإجراء عمليات البحث عن التشابه، مما يسهل تحديد مثل هذه البيانات الشاذة.</p>
<h3 id="Recommender-systems" class="common-anchor-header">أنظمة التوصية</h3><p>يوصي نظام التوصية الأشخاص بعناصر مشابهة لما يستمتعون به بالفعل. ومن الأمثلة الكلاسيكية على ميلفوس تسريع هذه العملية من خلال إجراء عمليات البحث عن التشابه.</p>
<h3 id="Semantic-search" class="common-anchor-header">البحث الدلالي</h3><p>لا يفي البحث بالكلمات الرئيسية بالغرض عندما تريد البحث في النص للعثور على أشياء ذات معانٍ متشابهة. وهنا يأتي دور البحث الدلالي وحيث يمكن لـ Milvus المساعدة. يسمح لك Milvus بمقارنة المعاني الكامنة وراء النص، وليس فقط الكلمات نفسها.</p>
<h3 id="Automatic-data-labeling" class="common-anchor-header">وضع العلامات التلقائية للبيانات</h3><p>هل لديك بيانات مصنفة وتحتاج إلى وضع علامات على المزيد؟ من خلال تخزين التمثيلات المتجهة في Milvus، يمكنك تلقائيًا اكتشاف نقاط البيانات الأكثر تشابهًا في بياناتك الجديدة وتطبيق التسميات المناسبة.</p>
<h2 id="Five-awesome-upcoming-features" class="common-anchor-header">خمس ميزات قادمة رائعة<button data-href="#Five-awesome-upcoming-features" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><h3 id="NVIDIA-GPU-support" class="common-anchor-header">دعم NVIDIA GPU</h3><p>دعم GPU قادم في Milvus 2.3 وهو متاح بالفعل في <a href="https://github.com/milvus-io/milvus/releases/tag/v2.3.0-beta">أحدث إصدار تجريبي</a>!</p>
<h3 id="Delete-by-Expression" class="common-anchor-header">الحذف بالتعبير</h3><p>يمكنك بالفعل إجراء التصفية العددية/البيانات الوصفية عبر التعبيرات المنطقية في Milvus. ميزة الحذف حسب التعبير قادمة أيضًا.</p>
<h3 id="Change-Data-Capture-CDC" class="common-anchor-header">تغيير التقاط البيانات (CDC)</h3><p>CDC هي تقنية لالتقاط وتتبع التغييرات التي تم إجراؤها على مثيل Milvus الخاص بك في الوقت الفعلي.</p>
<h3 id="Range-Search" class="common-anchor-header">بحث النطاق</h3><p>يتيح لك البحث عن النطاق، المعروف أيضًا في بعض الدوائر باسم بحث إبسيلون، العثور على جميع المتجهات ضمن مسافة معينة من متجه الاستعلام الخاص بك.</p>
<h3 id="Fast-Scan" class="common-anchor-header">المسح السريع</h3><p>تمت إضافة تكميم 4 بت و FastScan إلى FAISS مؤخرًا وستأتي أيضًا إلى Milvus.</p>
<h2 id="Looking-forward-to-Milvus-reaching-even-greater-heights" class="common-anchor-header">نتطلع إلى أن يصل ميلفوس إلى مستويات أعلى!<button data-href="#Looking-forward-to-Milvus-reaching-even-greater-heights" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>نود أن نتقدم بالشكر الجزيل لمستخدمينا وأعضاء مجتمعنا وشركائنا في النظام الإيكولوجي ومراقبي النجوم على دعمكم المستمر وملاحظاتكم ومساهمتكم. نتطلع إلى وصول ميلفوس إلى مستويات أعلى!</p>


علامة فارقة ميلفوس يتخطى 20,000 نجمة على جيثب

<p>
  <span class="img-wrapper">
    <img translate="no" src="https://assets.zilliz.com/Conversational_Memory_in_Lang_Chain_7c1b4b7ba9.png" alt="" class="doc-image" id="" />
    <span></span>
  </span>
</p>
<p>LangChain هو إطار عمل قوي لبناء تطبيقات LLM. ومع ذلك، مع هذه القوة يأتي قدر كبير من التعقيد. يوفر LangChain العديد من الطرق لمطالبة LLM وميزات أساسية مثل ذاكرة المحادثة. توفر ذاكرة المحادثة سياقًا لـ LLM لتذكر محادثتك.</p>
<p>في هذا المنشور، نلقي نظرة على كيفية استخدام ذاكرة المحادثة مع LangChain وMilvus. للمتابعة، تحتاج إلى <code translate="no">pip</code> تثبيت أربع مكتبات ومفتاح OpenAI API. يمكن تثبيت المكتبات الأربع التي تحتاجها عن طريق تشغيل <code translate="no">pip install langchain milvus pymilvus python-dotenv</code>. أو تنفيذ الكتلة الأولى في <a href="https://colab.research.google.com/drive/11p-u8nKqrQYePlXR0HiSrUapmKLD0QN9?usp=sharing">دفتر ملاحظات CoLab</a> لهذه المقالة.</p>
<p>سنتعرف في هذا المنشور على:</p>
<ul>
<li>ذاكرة المحادثة مع LangChain</li>
<li>إعداد سياق المحادثة</li>
<li>تحفيز ذاكرة المحادثة باستخدام LangChain</li>
<li>ملخص ذاكرة المحادثة باستخدام لانغ تشين</li>
</ul>
<h2 id="Conversational-Memory-with-LangChain" class="common-anchor-header">ذاكرة المحادثة مع لانغ تشين<button data-href="#Conversational-Memory-with-LangChain" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>في الحالة الافتراضية، تتفاعل مع ذاكرة المحادثة مع LLM من خلال مطالبات فردية. إضافة ذاكرة للسياق، أو "ذاكرة المحادثة" تعني أنك لم تعد مضطرًا لإرسال كل شيء من خلال مطالبة واحدة. توفر LangChain القدرة على تخزين المحادثة التي أجريتها بالفعل مع LLM لاسترداد تلك المعلومات لاحقًا.</p>
<p>لإعداد ذاكرة محادثة مستمرة مع مخزن متجه، نحتاج إلى ست وحدات من LangChain. أولاً، يجب أن نحصل على <code translate="no">OpenAIEmbeddings</code> و <code translate="no">OpenAI</code> LLM. نحتاج أيضًا إلى <code translate="no">VectorStoreRetrieverMemory</code> ونسخة LangChain من <code translate="no">Milvus</code> لاستخدام الواجهة الخلفية لمخزن المتجهات. ثم نحتاج إلى <code translate="no">ConversationChain</code> و <code translate="no">PromptTemplate</code> لحفظ محادثتنا والاستعلام عنها.</p>
<p>مكتبات <code translate="no">os</code> و <code translate="no">dotenv</code> و <code translate="no">openai</code> هي في الأساس لأغراض تشغيلية. نستخدمها لتحميل واستخدام مفتاح OpenAI API. تتمثل خطوة الإعداد الأخيرة في تشغيل مثيل <a href="https://milvus.io/docs/milvus_lite.md">Milvus Lite</a> محلي. نقوم بذلك من خلال استخدام <code translate="no">default_server</code> من حزمة Milvus Python.</p>
<pre><code translate="no"><span class="hljs-keyword">from</span> langchain.<span class="hljs-property">embeddings</span>.<span class="hljs-property">openai</span> <span class="hljs-keyword">import</span> <span class="hljs-title class_">OpenAIEmbeddings</span>
<span class="hljs-keyword">from</span> langchain.<span class="hljs-property">llms</span> <span class="hljs-keyword">import</span> <span class="hljs-title class_">OpenAI</span>
<span class="hljs-keyword">from</span> langchain.<span class="hljs-property">memory</span> <span class="hljs-keyword">import</span> <span class="hljs-title class_">VectorStoreRetrieverMemory</span>
<span class="hljs-keyword">from</span> langchain.<span class="hljs-property">chains</span> <span class="hljs-keyword">import</span> <span class="hljs-title class_">ConversationChain</span>
<span class="hljs-keyword">from</span> langchain.<span class="hljs-property">prompts</span> <span class="hljs-keyword">import</span> <span class="hljs-title class_">PromptTemplate</span>
<span class="hljs-keyword">from</span> langchain.<span class="hljs-property">vectorstores</span> <span class="hljs-keyword">import</span> <span class="hljs-title class_">Milvus</span>
embeddings = <span class="hljs-title class_">OpenAIEmbeddings</span>()


<span class="hljs-keyword">import</span> os
<span class="hljs-keyword">from</span> dotenv <span class="hljs-keyword">import</span> load_dotenv
<span class="hljs-keyword">import</span> openai
<span class="hljs-title function_">load_dotenv</span>()
openai.<span class="hljs-property">api_key</span> = os.<span class="hljs-title function_">getenv</span>(<span class="hljs-string">&quot;OPENAI_API_KEY&quot;</span>)


<span class="hljs-keyword">from</span> milvus <span class="hljs-keyword">import</span> default_server
default_server.<span class="hljs-title function_">start</span>()
<button class="copy-code-btn"></button></code></pre>
<h2 id="Setting-Up-Conversation-Context" class="common-anchor-header">إعداد سياق المحادثة<button data-href="#Setting-Up-Conversation-Context" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>الآن بعد أن قمنا بإعداد جميع المتطلبات الأساسية لدينا، يمكننا المتابعة لإنشاء ذاكرة المحادثة الخاصة بنا. خطوتنا الأولى هي إنشاء اتصال بخادم Milvus باستخدام LangChain. بعد ذلك، نستخدم قاموسًا فارغًا لإنشاء مجموعة لانغ تشين ميلفوس الخاصة بنا. بالإضافة إلى ذلك، نقوم بتمرير التضمينات التي أنشأناها أعلاه وتفاصيل الاتصال لخادم ميلفوس لايت.</p>
<p>لاستخدام قاعدة البيانات المتجهة لذاكرة المحادثة، نحتاج إلى إنشائها كمسترجع. نقوم باسترداد النتيجة الأولى فقط في هذه الحالة، مع تعيين <code translate="no">k=1</code>. الخطوة الأخيرة لإعداد ذاكرة المحادثة هي استخدام الكائن <code translate="no">VectorStoreRetrieverMemory</code> كذاكرة محادثة لدينا من خلال المسترد واتصال قاعدة بيانات المتجهات الذي أنشأناه للتو.</p>
<p>لاستخدام ذاكرة المحادثة لدينا، يجب أن تحتوي على بعض السياق فيها. لذا دعونا نعطي الذاكرة بعض السياق. في هذا المثال، سنعطي خمسة أجزاء من المعلومات. دعنا نخزن وجباتي الخفيفة المفضلة (الشوكولاتة)، والرياضة (السباحة)، والبيرة (جينيس)، والحلوى (كعكة الجبن)، والموسيقي (تايلور سويفت). يتم حفظ كل إدخال في الذاكرة من خلال وظيفة <code translate="no">save_context</code>.</p>
<pre><code translate="no">vectordb = Milvus.from_documents(
   {},
   embeddings,
   connection_args={<span class="hljs-string">&quot;host&quot;</span>: <span class="hljs-string">&quot;127.0.0.1&quot;</span>, <span class="hljs-string">&quot;port&quot;</span>: default_server.listen_port})
retriever = Milvus.as_retriever(vectordb, search_kwargs=<span class="hljs-built_in">dict</span>(k=<span class="hljs-number">1</span>))
memory = VectorStoreRetrieverMemory(retriever=retriever)
about_me = [
   {<span class="hljs-string">&quot;input&quot;</span>: <span class="hljs-string">&quot;My favorite snack is chocolate&quot;</span>,
    <span class="hljs-string">&quot;output&quot;</span>: <span class="hljs-string">&quot;Nice&quot;</span>},
   {<span class="hljs-string">&quot;input&quot;</span>: <span class="hljs-string">&quot;My favorite sport is swimming&quot;</span>,
    <span class="hljs-string">&quot;output&quot;</span>: <span class="hljs-string">&quot;Cool&quot;</span>},
   {<span class="hljs-string">&quot;input&quot;</span>: <span class="hljs-string">&quot;My favorite beer is Guinness&quot;</span>,
    <span class="hljs-string">&quot;output&quot;</span>: <span class="hljs-string">&quot;Great&quot;</span>},
   {<span class="hljs-string">&quot;input&quot;</span>: <span class="hljs-string">&quot;My favorite dessert is cheesecake&quot;</span>,
    <span class="hljs-string">&quot;output&quot;</span>: <span class="hljs-string">&quot;Good to know&quot;</span>},
   {<span class="hljs-string">&quot;input&quot;</span>: <span class="hljs-string">&quot;My favorite musician is Taylor Swift&quot;</span>,
    <span class="hljs-string">&quot;output&quot;</span>: <span class="hljs-string">&quot;Same&quot;</span>}
]
<span class="hljs-keyword">for</span> example <span class="hljs-keyword">in</span> about_me:
   memory.save_context({<span class="hljs-string">&quot;input&quot;</span>: example[<span class="hljs-string">&quot;input&quot;</span>]}, {<span class="hljs-string">&quot;output&quot;</span>: example[<span class="hljs-string">&quot;output&quot;</span>]})
<button class="copy-code-btn"></button></code></pre>
<h2 id="Prompting-the-Conversational-Memory-with-LangChain" class="common-anchor-header">تحفيز ذاكرة المحادثة باستخدام LangChain<button data-href="#Prompting-the-Conversational-Memory-with-LangChain" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>حان الوقت لإلقاء نظرة على كيفية استخدام ذاكرة المحادثة. لنبدأ بالاتصال بـ OpenAI LLM من خلال LangChain. نستخدم درجة حرارة 0 للإشارة إلى أننا لا نريد أن تكون ذاكرة LLM الخاصة بنا مبدعة.</p>
<p>بعد ذلك، ننشئ قالبًا. نخبر LLM أنه منخرط في محادثة ودية مع إنسان ونقوم بإدراج متغيرين. يوفر المتغير <code translate="no">history</code> السياق من ذاكرة المحادثة. يوفر المتغير <code translate="no">input</code> المدخلات الحالية. نستخدم الكائن <code translate="no">PromptTemplate</code> لإدراج هذه المتغيرات.</p>
<p>نستخدم الكائن <code translate="no">ConversationChain</code> لدمج كائن لدمج المطالبة وLLM والذاكرة. نحن الآن جاهزون للتحقق من ذاكرة محادثتنا من خلال إعطائها بعض المطالبات. نبدأ بإخبار LLM أن اسمنا هو غاري، المنافس الرئيسي في سلسلة البوكيمون (كل شيء آخر في ذاكرة المحادثة هو حقيقة عني).</p>
<pre><code translate="no">llm = OpenAI(temperature=<span class="hljs-number">0</span>) <span class="hljs-comment"># Can be any valid LLM</span>
_DEFAULT_TEMPLATE = <span class="hljs-string">&quot;&quot;&quot;The following is a friendly conversation between a human and an AI. The AI is talkative and provides lots of specific details from its context. If the AI does not know the answer to a question, it truthfully says it does not know.


Relevant pieces of previous conversation:
{history}


(You do not need to use these pieces of information if not relevant)


Current conversation:
Human: {input}
AI:&quot;&quot;&quot;</span>
PROMPT = PromptTemplate(
   input_variables=[<span class="hljs-string">&quot;history&quot;</span>, <span class="hljs-string">&quot;input&quot;</span>], template=_DEFAULT_TEMPLATE
)
conversation_with_summary = ConversationChain(
   llm=llm,
   prompt=PROMPT,
   memory=memory,
   verbose=<span class="hljs-literal">True</span>
)
conversation_with_summary.predict(<span class="hljs-built_in">input</span>=<span class="hljs-string">&quot;Hi, my name is Gary, what&#x27;s up?&quot;</span>)
<button class="copy-code-btn"></button></code></pre>
<p>توضح الصورة أدناه كيف يمكن أن تبدو الاستجابة المتوقعة من LLM. في هذا المثال، استجاب في هذا المثال بقوله أن اسمه هو "AI".</p>
<p>
  <span class="img-wrapper">
    <img translate="no" src="https://assets.zilliz.com/Conversational_Memory_in_Lang_Chain_graphics_1_2bf386d22a.png" alt="" class="doc-image" id="" />
    <span></span>
  </span>
</p>
<p>لنختبر الآن الذاكرة حتى الآن. نستخدم الكائن <code translate="no">ConversationChain</code> الذي أنشأناه سابقًا ونستعلم عن الموسيقي المفضل لدي.</p>
<pre><code translate="no">conversation_with_summary.predict(<span class="hljs-built_in">input</span>=<span class="hljs-string">&quot;who is my favorite musician?&quot;</span>)
<button class="copy-code-btn"></button></code></pre>
<p>تُظهر الصورة أدناه استجابة متوقعة من سلسلة المحادثة. نظرًا لأننا استخدمنا خيار الإسهاب، فإنه يظهر لنا أيضًا المحادثة ذات الصلة. يمكننا أن نرى أنه يُظهر أن الفنان المفضل لدي هو تايلور سويفت، كما هو متوقع.</p>
<p>
  <span class="img-wrapper">
    <img translate="no" src="https://assets.zilliz.com/Conversational_Memory_in_Lang_Chain_graphics_2_8355206f3e.png" alt="" class="doc-image" id="" />
    <span></span>
  </span>
</p>
<p>بعد ذلك، دعنا نتحقق من الحلوى المفضلة لدي - كعكة الجبن.</p>
<pre><code translate="no">conversation_with_summary.predict(<span class="hljs-built_in">input</span>=<span class="hljs-string">&quot;Whats my favorite dessert?&quot;</span>)
<button class="copy-code-btn"></button></code></pre>
<p>عندما نستفسر عن الحلوى المفضلة لدي، يمكننا أن نرى أن سلسلة المحادثة تختار مرة أخرى المعلومات الصحيحة من ميلفوس. يجد أن الحلوى المفضلة لدي هي كعكة الجبن، كما أخبرته سابقًا.</p>
<p>
  <span class="img-wrapper">
    <img translate="no" src="https://assets.zilliz.com/Conversational_Memory_in_Lang_Chain_graphics_3_66a5c9690f.png" alt="" class="doc-image" id="" />
    <span></span>
  </span>
</p>
<p>الآن بعد أن تأكدنا من أنه يمكننا الاستعلام عن المعلومات التي قدمناها سابقًا، دعنا نتحقق من شيء آخر - المعلومات التي قدمناها في بداية محادثتنا. بدأنا محادثتنا بإخبار الذكاء الاصطناعي أن اسمنا هو غاري.</p>
<pre><code translate="no">conversation_with_summary.predict(<span class="hljs-built_in">input</span>=<span class="hljs-string">&quot;What&#x27;s my name?&quot;</span>)
<button class="copy-code-btn"></button></code></pre>
<p>ينتج عن فحصنا الأخير أن سلسلة المحادثة خزنت الجزء الخاص باسمنا في ذاكرة المحادثة في مخزننا المتجه. يعود أننا قلنا أن اسمنا هو غاري.</p>
<p>
  <span class="img-wrapper">
    <img translate="no" src="https://assets.zilliz.com/Conversational_Memory_in_Lang_Chain_graphics_4_f446f49672.png" alt="" class="doc-image" id="" />
    <span></span>
  </span>
</p>
<h2 id="LangChain-Conversational-Memory-Summary" class="common-anchor-header">ملخص ذاكرة المحادثة في سلسلة اللغات<button data-href="#LangChain-Conversational-Memory-Summary" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>تعلّمنا في هذا الشرح كيفية استخدام ذاكرة المحادثة في لانغتشين. تقدم لانغ تشين إمكانية الوصول إلى مخزن المتجهات الخلفية مثل ميلفوس لذاكرة المحادثة الدائمة. يمكننا استخدام ذاكرة المحادثة عن طريق حقن التاريخ في مطالباتنا وحفظ السياق التاريخي في الكائن <code translate="no">ConversationChain</code>.</p>
<p>في هذا المثال التعليمي، أعطينا سلسلة المحادثة خمس حقائق عني وتظاهرنا بأننا المنافس الرئيسي في بوكيمون، غاري. بعد ذلك، ضغطنا على سلسلة المحادثة بأسئلة حول المعرفة المسبقة التي قمنا بتخزينها - الموسيقي والحلوى المفضلة لدي. وقد أجاب على هذين السؤالين بشكل صحيح وأظهر الإدخالات ذات الصلة. وأخيراً، سألناها عن اسمنا كما ورد في بداية المحادثة، فأجابت بشكل صحيح بأن اسمنا هو "غاري".</p>


ذاكرة المحادثة في سلسلة اللغات

<p>
  <span class="img-wrapper">
    <img translate="no" src="https://assets.zilliz.com/What_s_New_in_2_2_9_858e54a2d3.png" alt="" class="doc-image" id="" />
    <span></span>
  </span>
</p>
<p>يسعدنا أن نعلن عن وصول الإصدار Milvus 2.2.9، وهو إصدار منتظر للغاية يمثل علامة فارقة مهمة للفريق والمجتمع. يقدم هذا الإصدار العديد من الميزات المثيرة، بما في ذلك الدعم الذي طال انتظاره لأنواع بيانات JSON والمخطط الديناميكي ومفاتيح التقسيم، مما يضمن تجربة مستخدم محسّنة وسير عمل تطويري مبسّط. بالإضافة إلى ذلك، يتضمن هذا الإصدار العديد من التحسينات وإصلاحات الأخطاء. انضم إلينا في استكشاف الإصدار Milvus 2.2.9 واكتشاف سبب أهمية هذا الإصدار.</p>
<h2 id="Optimized-user-experience-with-JSON-support" class="common-anchor-header">تجربة مستخدم محسّنة مع دعم JSON<button data-href="#Optimized-user-experience-with-JSON-support" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>قدّمت Milvus دعمًا منتظرًا للغاية لنوع بيانات JSON، مما يسمح بتخزين بيانات JSON بسلاسة إلى جانب البيانات الوصفية للمتجهات داخل مجموعات المستخدمين. وبفضل هذا التحسين، يمكن للمستخدمين إدراج بيانات JSON بكفاءة بشكل مجمّع وإجراء استعلام وتصفية متقدمة بناءً على محتويات حقول JSON. علاوةً على ذلك، يمكن للمستخدمين الاستفادة من التعبيرات وإجراء عمليات مصممة خصيصًا لحقول JSON الخاصة بمجموعة بياناتهم، وإنشاء استعلامات، وتطبيق عوامل تصفية بناءً على محتوى وهيكل حقول JSON الخاصة بهم، مما يسمح لهم باستخراج المعلومات ذات الصلة ومعالجة البيانات بشكل أفضل.</p>
<p>في المستقبل، سيضيف فريق Milvus فهارس للحقول داخل نوع JSON، مما يزيد من تحسين أداء الاستعلامات القياسية والمتجهة المختلطة. لذا ترقبوا التطورات المثيرة في المستقبل!</p>
<h2 id="Added-flexibility-with-support-for-dynamic-schema" class="common-anchor-header">مرونة إضافية مع دعم المخطط الديناميكي<button data-href="#Added-flexibility-with-support-for-dynamic-schema" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>مع دعم بيانات JSON، يوفر Milvus 2.2.9 الآن وظيفة المخطط الديناميكي من خلال مجموعة تطوير برمجيات مبسطة (SDK).</p>
<p>بدءًا من الإصدار Milvus 2.2.9، تتضمن Milvus SDK واجهة برمجة تطبيقات عالية المستوى تملأ تلقائيًا الحقول الديناميكية في حقل JSON المخفي للمجموعة، مما يسمح للمستخدمين بالتركيز فقط على حقول أعمالهم.</p>
<h2 id="Better-data-separation-and-enhanced-search-efficiency-with-Partition-Key" class="common-anchor-header">فصل أفضل للبيانات وتحسين كفاءة البحث مع مفتاح التقسيم<button data-href="#Better-data-separation-and-enhanced-search-efficiency-with-Partition-Key" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>يعمل الإصدار Milvus 2.2.9 على تحسين قدرات التقسيم من خلال تقديم ميزة مفتاح التقسيم. فهي تسمح بالأعمدة الخاصة بالمستخدم كمفاتيح أساسية للتقسيم، مما يلغي الحاجة إلى واجهات برمجة تطبيقات إضافية مثل <code translate="no">loadPartition</code> و <code translate="no">releasePartition</code>. تزيل هذه الميزة الجديدة أيضًا الحد الأقصى لعدد الأقسام، مما يؤدي إلى استخدام أكثر كفاءة للموارد.</p>
<h2 id="Support-for-Alibaba-Cloud-OSS" class="common-anchor-header">دعم Alibaba Cloud OSS<button data-href="#Support-for-Alibaba-Cloud-OSS" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>يدعم Milvus 2.2.9 الآن خدمة تخزين الكائنات (OSS) من Alibaba Cloud Cloud. يمكن لمستخدمي Alibaba Cloud تكوين <code translate="no">cloudProvider</code> بسهولة إلى Alibaba Cloud والاستفادة من التكامل السلس للتخزين الفعال واسترجاع البيانات المتجهة في السحابة.</p>
<p>بالإضافة إلى الميزات المذكورة سابقًا، يوفر الإصدار Milvus 2.2.9 دعمًا لقاعدة البيانات في التحكم في الوصول المستند إلى الأدوار (RBAC)، ويقدم إدارة الاتصال، ويتضمن العديد من التحسينات وإصلاحات الأخطاء. لمزيد من المعلومات، يرجى الرجوع إلى <a href="https://milvus.io/docs/release_notes.md">ملاحظات الإصدار Milvus 2.2.9</a>.</p>
<h2 id="Let’s-keep-in-touch" class="common-anchor-header">لنبقى على اتصال!<button data-href="#Let’s-keep-in-touch" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>إذا كانت لديك أسئلة أو ملاحظات حول Milvus، لا تتردد في الاتصال بنا عبر <a href="https://twitter.com/milvusio">تويتر</a> أو <a href="https://www.linkedin.com/company/the-milvus-project">LinkedIn</a>. نرحب بك أيضًا للانضمام إلى <a href="https://milvus.io/slack/">قناة Slack</a> الخاصة بنا للدردشة مع مهندسينا والمجتمع مباشرةً أو الاطلاع على <a href="https://us02web.zoom.us/meeting/register/tZ0pcO6vrzsuEtVAuGTpNdb6lGnsPBzGfQ1T#/registration">ساعات العمل يوم الثلاثاء</a>!</p>


ميلفوس 2.2.9: إصدار منتظر للغاية مع تجربة مستخدم مثالية مع تجربة مستخدم مثالية

<p><strong><em>ملاحظة مهمة</em></strong></p>
<p><em>لقد قمنا بترقية Milvus Lite في يونيو 2024، مما يتيح لمطوري الذكاء الاصطناعي إنشاء تطبيقات أسرع مع ضمان تجربة متسقة عبر خيارات النشر المختلفة، بما في ذلك Milvus على Kurbernetes وDocker والخدمات السحابية المُدارة. يتكامل Milvus Lite أيضًا مع العديد من أطر وتقنيات الذكاء الاصطناعي، مما يسهّل تطوير تطبيقات الذكاء الاصطناعي مع إمكانات البحث المتجه. لمزيد من المعلومات، راجع المراجع التالية:</em></p>
<ul>
<li><p><em>مدونة إطلاق ميلفوس لايت: h<a href="https://milvus.io/blog/introducing-milvus-lite.md">ttps://</a>milvus.io/blog/introducing-milvus-lite.md</em></p></li>
<li><p><em>وثائق ميلفوس لايت: <a href="https://milvus.io/docs/quickstart.md">https://milvus.io/docs/quickstart.md</a></em></p></li>
<li><p><em>مستودع ميلفوس لايت في جيثب: <a href="https://github.com/milvus-io/milvus-lite">https://github.com/milvus-io/milvus-lite</a></em></p></li>
</ul>
<p><br></p>
<p><a href="https://github.com/milvus-io/milvus">Milvus</a> عبارة عن قاعدة بيانات متجهة مفتوحة المصدر مصممة خصيصًا لفهرسة متجهات التضمين وتخزينها والاستعلام عنها التي تم إنشاؤها بواسطة الشبكات العصبية العميقة ونماذج التعلم الآلي الأخرى بمليارات المقاييس. لقد أصبح خيارًا شائعًا للعديد من الشركات والباحثين والمطورين الذين يجب عليهم إجراء عمليات بحث عن التشابه على مجموعات بيانات واسعة النطاق.</p>
<p>ومع ذلك، قد يجد بعض المستخدمين أن الإصدار الكامل من ميلفوس ثقيل أو معقد للغاية. ولمعالجة هذه المشكلة، قام <a href="https://github.com/matrixji">بن جي،</a> أحد أكثر المساهمين نشاطًا في مجتمع ميلفوس، ببناء <a href="https://github.com/milvus-io/milvus-lite">ميلفوس لا</a>يت، وهو نسخة خفيفة الوزن من ميلفوس.</p>
<h2 id="What-is-Milvus-Lite" class="common-anchor-header">ما هو ميلفوس لايت؟<button data-href="#What-is-Milvus-Lite" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>كما ذكرنا سابقًا، <a href="https://github.com/milvus-io/milvus-lite">ميلفوس لايت</a> هو بديل مبسط لـ Milvus الذي يقدم العديد من المزايا والفوائد.</p>
<ul>
<li>يمكنك دمجه في تطبيق Python الخاص بك دون إضافة وزن إضافي.</li>
<li>إنه مستقل بذاته ولا يتطلب أي تبعيات أخرى، وذلك بفضل قدرة ميلفوس المستقلة على العمل مع Etcd المدمج والتخزين المحلي.</li>
<li>يمكنك استيرادها كمكتبة بايثون واستخدامها كخادم مستقل قائم على واجهة سطر الأوامر (CLI).</li>
<li>يعمل بسلاسة مع Google Colab و Jupyter Notebook.</li>
<li>يمكنك ترحيل عملك وكتابة التعليمات البرمجية بأمان إلى مثيلات Milvus الأخرى (الإصدارات المستقلة والمجمعة والمدارة بالكامل) دون أي خطر فقدان البيانات.</li>
</ul>
<h2 id="When-should-you-use-Milvus-Lite" class="common-anchor-header">متى يجب عليك استخدام Milvus Lite؟<button data-href="#When-should-you-use-Milvus-Lite" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>على وجه التحديد، يكون Milvus Lite مفيدًا للغاية في الحالات التالية:</p>
<ul>
<li>عندما تفضل استخدام Milvus بدون تقنيات وأدوات الحاويات مثل <a href="https://milvus.io/docs/install_standalone-operator.md">Milvus Operator</a> أو <a href="https://milvus.io/docs/install_standalone-helm.md">Helm</a> أو <a href="https://milvus.io/docs/install_standalone-docker.md">Docker Compose</a>.</li>
<li>عندما لا تحتاج إلى أجهزة افتراضية أو حاويات افتراضية لاستخدام Milvus.</li>
<li>عندما تريد دمج ميزات Milvus في تطبيقات Python الخاصة بك.</li>
<li>عندما تريد تشغيل مثيل Milvus في Colab أو Notebook لإجراء تجربة سريعة.</li>
</ul>
<p><strong>ملاحظة</strong>: لا نوصي باستخدام Milvus Lite في أي بيئة إنتاج أو إذا كنت تحتاج إلى أداء عالٍ أو توافر قوي أو قابلية عالية للتوسع. بدلاً من ذلك، فكر في استخدام <a href="https://github.com/milvus-io/milvus">مجموعات Milvus</a> أو <a href="https://zilliz.com/cloud">Milvus المدارة بالكامل على Zilliz Cloud</a> للإنتاج.</p>
<h2 id="How-to-get-started-with-Milvus-Lite" class="common-anchor-header">كيف تبدأ مع ميلفوس لايت؟<button data-href="#How-to-get-started-with-Milvus-Lite" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>الآن، دعنا نلقي نظرة على كيفية تثبيت وتهيئة واستخدام ميلفوس لايت.</p>
<h3 id="Prerequisites" class="common-anchor-header">المتطلبات الأساسية</h3><p>لاستخدام ميلفوس لايت، يرجى التأكد من إكمال المتطلبات التالية:</p>
<ul>
<li>تثبيت Python 3.7 أو إصدار أحدث.</li>
<li>استخدام أحد أنظمة التشغيل التي تم التحقق منها المدرجة أدناه:<ul>
<li>أوبونتو &gt;= 18.04 (x86_64)</li>
<li>سنتوس &gt;= 7.0 (x86_64)</li>
<li>نظام التشغيل MacOS &gt;= 11.0 (Apple Silicon)</li>
</ul></li>
</ul>
<p><strong>ملاحظات</strong>:</p>
<ol>
<li>يستخدم Milvus Lite <code translate="no">manylinux2014</code> كصورة أساسية، مما يجعله متوافقًا مع معظم توزيعات لينكس لمستخدمي لينكس.</li>
<li>من الممكن أيضًا تشغيل Milvus Lite على نظام ويندوز، على الرغم من أنه لم يتم التحقق من ذلك بشكل كامل بعد.</li>
</ol>
<h3 id="Install-Milvus-Lite" class="common-anchor-header">تثبيت ميلفوس لايت</h3><p>يتوفر Milvus Lite على PyPI حتى تتمكن من تثبيته عبر <code translate="no">pip</code>.</p>
<pre><code translate="no">$ python3 -m pip install milvus
<button class="copy-code-btn"></button></code></pre>
<p>يمكنك أيضًا تثبيته باستخدام PyMilvus على النحو التالي:</p>
<pre><code translate="no">$ python3 -m pip install milvus[client]
<button class="copy-code-btn"></button></code></pre>
<h3 id="Use-and-start-Milvus-Lite" class="common-anchor-header">استخدام وبدء تشغيل ميلفوس لايت</h3><p>قم بتنزيل <a href="https://github.com/milvus-io/milvus-lite/tree/main/examples">دفتر الأمثلة</a> من مجلد أمثلة مستودع المشروع الخاص بنا. لديك خياران لاستخدام Milvus Lite: إما استيراده كمكتبة Python أو تشغيله كخادم مستقل على جهازك باستخدام واجهة برمجة التطبيقات CLI.</p>
<ul>
<li>لبدء تشغيل ميلفوس لايت كوحدة بايثون، قم بتنفيذ الأوامر التالية:</li>
</ul>
<pre><code translate="no"><span class="hljs-keyword">from</span> milvus <span class="hljs-keyword">import</span> default_server
<span class="hljs-keyword">from</span> pymilvus <span class="hljs-keyword">import</span> connections, utility

<span class="hljs-comment"># Start your milvus server</span>
default_server.start()

<span class="hljs-comment"># Now you can connect with localhost and the given port</span>
<span class="hljs-comment"># Port is defined by default_server.listen_port</span>
connections.connect(host=<span class="hljs-string">&#x27;127.0.0.1&#x27;</span>, port=default_server.listen_port)

<span class="hljs-comment"># Check if the server is ready.</span>
<span class="hljs-built_in">print</span>(utility.get_server_version())

<span class="hljs-comment"># Stop your milvus server</span>
default_server.stop()
<button class="copy-code-btn"></button></code></pre>
<ul>
<li>لتعليق أو إيقاف Milvus Lite، استخدم البيان <code translate="no">with</code>.</li>
</ul>
<pre><code translate="no"><span class="hljs-keyword">from</span> milvus <span class="hljs-keyword">import</span> default_server

<span class="hljs-keyword">with</span> default_server:
  <span class="hljs-comment"># Milvus Lite has already started, use default_server here.</span>
  connections.connect(host=<span class="hljs-string">&#x27;127.0.0.1&#x27;</span>, port=default_server.listen_port)
<button class="copy-code-btn"></button></code></pre>
<ul>
<li>لبدء تشغيل Milvus Lite كخادم مستقل قائم على CLI، قم بتشغيل الأمر التالي:</li>
</ul>
<pre><code translate="no">milvus-server
<button class="copy-code-btn"></button></code></pre>
<p>بعد أن تبدأ تشغيل Milvus Lite، يمكنك استخدام PyMilvus أو أي أدوات أخرى تفضلها للاتصال بالخادم المستقل.</p>
<h3 id="Start-Milvus-Lite-in-a-debug-mode" class="common-anchor-header">بدء تشغيل Milvus Lite في وضع التصحيح</h3><ul>
<li>لتشغيل Milvus Lite في وضع التصحيح كوحدة Python Module، قم بتنفيذ الأوامر التالية:</li>
</ul>
<pre><code translate="no"><span class="hljs-keyword">from</span> milvus <span class="hljs-keyword">import</span> debug_server, MilvusServer

debug_server.run()

<span class="hljs-comment"># Or you can create a MilvusServer by yourself</span>
<span class="hljs-comment"># server = MilvusServer(debug=True)</span>
<button class="copy-code-btn"></button></code></pre>
<ul>
<li>لتشغيل الخادم المستقل في وضع التصحيح، قم بتنفيذ الأمر التالي:</li>
</ul>
<pre><code translate="no">milvus-server --debug
<button class="copy-code-btn"></button></code></pre>
<h3 id="Persist-data-and-logs" class="common-anchor-header">استمرار البيانات والسجلات</h3><ul>
<li>لإنشاء دليل محلي لميلفوس لايت يحتوي على جميع البيانات والسجلات ذات الصلة، قم بتنفيذ الأوامر التالية:</li>
</ul>
<pre><code translate="no"><span class="hljs-keyword">from</span> milvus <span class="hljs-keyword">import</span> default_server

<span class="hljs-keyword">with</span> <span class="hljs-attr">default_server</span>:
  default_server.<span class="hljs-title function_">set_base_dir</span>(<span class="hljs-string">&#x27;milvus_data&#x27;</span>)
<button class="copy-code-btn"></button></code></pre>
<ul>
<li>لاستبقاء جميع البيانات والسجلات التي تم إنشاؤها بواسطة الخادم المستقل على محرك الأقراص المحلي، قم بتشغيل الأمر التالي:</li>
</ul>
<pre><code translate="no">$ milvus-server --data milvus_data
<button class="copy-code-btn"></button></code></pre>
<h3 id="Configure-Milvus-Lite" class="common-anchor-header">تكوين ميلفوس لايت</h3><p>يشبه تكوين Milvus Lite تكوين Milvus Lite إعداد مثيلات Milvus باستخدام واجهات برمجة تطبيقات Python أو CLI.</p>
<ul>
<li>لتهيئة Milvus Lite باستخدام واجهات برمجة تطبيقات Python، استخدم واجهة برمجة التطبيقات <code translate="no">config.set</code> لمثيل <code translate="no">MilvusServer</code> لكل من الإعدادات الأساسية والإضافية:</li>
</ul>
<pre><code translate="no"><span class="hljs-keyword">from</span> milvus <span class="hljs-keyword">import</span> default_server

<span class="hljs-keyword">with</span> default_server:
  default_server.config.<span class="hljs-built_in">set</span>(<span class="hljs-string">&#x27;system_Log_level&#x27;</span>, <span class="hljs-string">&#x27;info&#x27;</span>)
  default_server.config.<span class="hljs-built_in">set</span>(<span class="hljs-string">&#x27;proxy_port&#x27;</span>, <span class="hljs-number">19531</span>)
  default_server.config.<span class="hljs-built_in">set</span>(<span class="hljs-string">&#x27;dataCoord.segment.maxSize&#x27;</span>, <span class="hljs-number">1024</span>)
<button class="copy-code-btn"></button></code></pre>
<ul>
<li>لتكوين Milvus Lite باستخدام CLI، قم بتشغيل الأمر التالي للإعدادات الأساسية:</li>
</ul>
<pre><code translate="no">$ milvus-server --system-log-level info
$ milvus-server --proxy-port 19531
<button class="copy-code-btn"></button></code></pre>
<ul>
<li>أو قم بتشغيل ما يلي للإعدادات الإضافية.</li>
</ul>
<pre><code translate="no">$ milvus-server --extra-config dataCoord.segment.maxSize=1024
<button class="copy-code-btn"></button></code></pre>
<p>جميع العناصر القابلة للتهيئة موجودة في القالب <code translate="no">config.yaml</code> الذي يتم شحنه مع حزمة ميلفوس.</p>
<p>لمزيد من التفاصيل الفنية حول كيفية تثبيت وتكوين Milvus Lite، راجع <a href="https://milvus.io/docs/milvus_lite.md#Prerequisites">وثائقنا</a>.</p>
<h2 id="Summary" class="common-anchor-header">ملخص<button data-href="#Summary" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>يعد Milvus Lite خيارًا ممتازًا لأولئك الذين يبحثون عن إمكانيات Milvus بتنسيق مضغوط. وسواء كنت باحثًا أو مطورًا أو عالم بيانات، فإن الأمر يستحق استكشاف هذا الخيار.</p>
<p>يُعدّ Milvus Lite أيضًا إضافة جميلة لمجتمع المصادر المفتوحة، حيث يعرض العمل الاستثنائي للمساهمين فيه. وبفضل جهود بن جي، أصبح تطبيق Milvus متاحًا الآن لعدد أكبر من المستخدمين. لا يمكننا الانتظار لرؤية الأفكار المبتكرة التي سيقدمها بن جي وغيره من أعضاء مجتمع Milvus في المستقبل.</p>
<h2 id="Let’s-keep-in-touch" class="common-anchor-header">دعونا نبقى على اتصال!<button data-href="#Let’s-keep-in-touch" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>إذا واجهتك مشاكل في تثبيت أو استخدام Milvus Lite، يمكنك <a href="https://github.com/milvus-io/milvus-lite/issues/new">تقديم مشكلة هنا</a> أو الاتصال بنا عبر <a href="https://twitter.com/milvusio">تويتر</a> أو <a href="https://www.linkedin.com/company/the-milvus-project">لينكد إن</a>. نرحب بك أيضًا للانضمام إلى <a href="https://milvus.io/slack/">قناة Slack</a> الخاصة بنا للدردشة مع مهندسينا والمجتمع بأكمله، أو تحقق من <a href="https://us02web.zoom.us/meeting/register/tZ0pcO6vrzsuEtVAuGTpNdb6lGnsPBzGfQ1T#/registration">ساعات العمل يوم الثلاثاء</a>!</p>


نقدم لك Milvus Lite: الإصدار الخفيف الوزن من Milvus

<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/What_s_New_in_2_2_8_f4dd6de0f2.png" alt="Milvus 2.2.8" class="doc-image" id="milvus-2.2.8" />
   </span> <span class="img-wrapper"> <span>ميلفوس 2.2.8</span> </span></p>
<p>نحن متحمسون للإعلان عن أحدث إصداراتنا من Milvus 2.2.8. يتضمن هذا الإصدار العديد من التحسينات وإصلاحات الأخطاء من الإصدارات السابقة، مما أدى إلى تحسين أداء الاستعلام وتوفير الموارد وزيادة الإنتاجية. دعونا نلقي نظرة على الجديد في هذا الإصدار معًا.</p>
<h2 id="Reduced-peak-memory-consumption-during-collection-loading" class="common-anchor-header">تقليل ذروة استهلاك الذاكرة أثناء تحميل المجموعة<button data-href="#Reduced-peak-memory-consumption-during-collection-loading" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>لإجراء الاستعلامات، يحتاج Milvus إلى تحميل البيانات والفهارس في الذاكرة. ومع ذلك، أثناء عملية التحميل، يمكن أن تتسبب النسخ المتعددة للذاكرة في زيادة ذروة استخدام الذاكرة إلى ثلاثة إلى أربعة أضعاف ما كانت عليه أثناء وقت التشغيل الفعلي. يعالج أحدث إصدار من Milvus 2.2.8 هذه المشكلة بشكل فعال ويحسن استخدام الذاكرة.</p>
<h2 id="Expanded-querying-scenarios-with-QueryNode-supporting-plugins" class="common-anchor-header">سيناريوهات استعلام موسعة مع دعم QueryNode للمكونات الإضافية<button data-href="#Expanded-querying-scenarios-with-QueryNode-supporting-plugins" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>تدعم QueryNode الآن المكونات الإضافية في الإصدار الأحدث Milvus 2.2.8. يمكنك بسهولة تحديد مسار ملف المكون الإضافي باستخدام التكوين <code translate="no">queryNode.soPath</code>. بعد ذلك، يمكن لـ Milvus تحميل المكون الإضافي في وقت التشغيل وتوسيع سيناريوهات الاستعلام المتاحة. راجع <a href="https://pkg.go.dev/plugin">وثائق المكون الإضافي Go،</a> إذا كنت بحاجة إلى إرشادات حول تطوير المكونات الإضافية.</p>
<h2 id="Optimized-querying-performance-with-enhanced-compaction-algorithm" class="common-anchor-header">تحسين أداء الاستعلام مع خوارزمية الضغط المحسنة<button data-href="#Optimized-querying-performance-with-enhanced-compaction-algorithm" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>تحدد خوارزمية الضغط السرعة التي يمكن أن تتقارب بها المقاطع، مما يؤثر بشكل مباشر على أداء الاستعلام. مع التحسينات الأخيرة التي أُدخلت على خوارزمية الضغط، تحسنت كفاءة التقارب بشكل كبير، مما أدى إلى استعلامات أسرع.</p>
<h2 id="Better-resource-saving-and-querying-performance-with-reduced-collection-shards" class="common-anchor-header">توفير أفضل للموارد وأداء أفضل في الاستعلام مع تقليل أجزاء التجميع<button data-href="#Better-resource-saving-and-querying-performance-with-reduced-collection-shards" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>ميلفوس هو نظام معالجة متوازية بشكل كبير (MPP)، مما يعني أن عدد أجزاء المجموعة يؤثر على كفاءة ميلفوس في الكتابة والاستعلام. في الإصدارات القديمة، كانت المجموعة تحتوي على جزأين بشكل افتراضي، مما أدى إلى أداء ممتاز في الكتابة ولكن أداء الاستعلام وتكلفة الموارد كان ضعيفًا. مع التحديث الجديد ل Milvus 2.2.8، تم تقليل أجزاء المجموعة الافتراضية إلى جزء واحد، مما يسمح للمستخدمين بتوفير المزيد من الموارد وإجراء استعلامات أفضل. معظم المستخدمين في المجتمع لديهم أقل من 10 ملايين وحدة تخزين للبيانات، ويكفي جزء واحد لتحقيق أداء كتابة جيد.</p>
<p><strong>ملاحظة</strong>: لا تؤثر هذه الترقية على المجموعات التي تم إنشاؤها قبل هذا الإصدار.</p>
<h2 id="20-throughput-increase-with-an-improved-query-grouping-algorithm" class="common-anchor-header">زيادة الإنتاجية بنسبة 20% مع خوارزمية تجميع الاستعلام المحسنة<button data-href="#20-throughput-increase-with-an-improved-query-grouping-algorithm" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>يحتوي Milvus على خوارزمية تجميع استعلام فعالة تجمع طلبات الاستعلام المتعددة في قائمة الانتظار في طلب واحد لتنفيذ أسرع، مما يحسن الإنتاجية بشكل كبير. في الإصدار الأخير، أدخلنا تحسينات إضافية على هذه الخوارزمية، مما أدى إلى زيادة إنتاجية Milvus بنسبة 20% على الأقل.</p>
<p>بالإضافة إلى التحسينات المذكورة، يعمل الإصدار Milvus 2.2.8 أيضًا على إصلاح العديد من الأخطاء. لمزيد من التفاصيل، راجع <a href="https://milvus.io/docs/release_notes.md">ملاحظات إصدار ميلفوس</a>.</p>
<h2 id="Let’s-keep-in-touch" class="common-anchor-header">لنبقى على اتصال!<button data-href="#Let’s-keep-in-touch" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>إذا كانت لديك أسئلة أو ملاحظات حول Milvus، يُرجى عدم التردد في الاتصال بنا عبر <a href="https://twitter.com/milvusio">تويتر</a> أو <a href="https://www.linkedin.com/company/the-milvus-project">LinkedIn</a>. نرحب بك أيضًا للانضمام إلى <a href="https://milvus.io/slack/">قناة Slack</a> الخاصة بنا للدردشة مع مهندسينا والمجتمع بأكمله مباشرةً أو الاطلاع على <a href="https://us02web.zoom.us/meeting/register/tZ0pcO6vrzsuEtVAuGTpNdb6lGnsPBzGfQ1T#/registration">ساعات العمل يوم الثلاثاء</a>!</p>


الإصدار Milvus 2.2.8: أداء أفضل للاستعلام، وإنتاجية أعلى بنسبة 20%

<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/exploring_milvus_latest_versions_4fa890533e.png" alt="Milvus at Its Best" class="doc-image" id="milvus-at-its-best" />
   </span> <span class="img-wrapper"> <span>ميلفوس في أفضل حالاتها</span> </span></p>
<p>أهلاً بكم من جديد يا متابعي ميلفوس! نحن نعلم أنه قد مر وقت طويل منذ آخر مرة شاركنا فيها تحديثاتنا على قاعدة البيانات المتجهة مفتوحة المصدر المتطورة هذه. لكن لا تخافوا، لأننا هنا لنطلعكم على جميع التطورات المثيرة التي حدثت منذ أغسطس الماضي.</p>
<p>في هذه المدونة، سنأخذك في هذه المدونة إلى أحدث إصدارات Milvus، بدءًا من الإصدار 2.2 إلى الإصدار 2.2.6. لدينا الكثير لنغطيه، بما في ذلك الميزات الجديدة والتحسينات وإصلاحات الأخطاء والتحسينات. لذا، اربطوا أحزمة الأمان ودعونا نتعمق!</p>
<h2 id="Milvus-v22-a-major-release-with-enhanced-stability-faster-search-speed-and-flexible-scalability" class="common-anchor-header">Milvus v2.2: إصدار رئيسي مع استقرار محسّن، وسرعة بحث أسرع، وقابلية توسع مرنة<button data-href="#Milvus-v22-a-major-release-with-enhanced-stability-faster-search-speed-and-flexible-scalability" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>يعد الإصدار Milvus v2.2 إصدارًا مهمًا يقدم سبع ميزات جديدة تمامًا والعديد من التحسينات المتطورة على الإصدارات السابقة. دعونا نلقي نظرة فاحصة على بعض الميزات البارزة:</p>
<ul>
<li><strong>الإدراج الجماعي للكيانات من الملفات</strong>: باستخدام هذه الميزة، يمكنك تحميل مجموعة من الكيانات في ملف واحد أو عدة ملفات مباشرةً إلى Milvus ببضعة أسطر من التعليمات البرمجية، مما يوفر عليك الوقت والجهد.</li>
<li><strong>ترقيم صفحات نتائج الاستعلام</strong>: لتجنب نتائج البحث والاستعلام الضخمة التي تعود في استدعاء إجراء واحد عن بُعد (RPC)، يتيح لك Milvus v2.2 تكوين الإزاحة وتصفية النتائج باستخدام الكلمات الرئيسية في عمليات البحث والاستعلام.</li>
<li><strong>التحكم في الوصول المستند إلى الدور (RBAC)</strong>: يدعم الإصدار Milvus v2.2 الآن التحكم في الوصول المستند إلى الأدوار (RBAC)، مما يسمح لك بالتحكم في الوصول إلى مثيل Milvus الخاص بك عن طريق إدارة المستخدمين والأدوار والأذونات.</li>
<li><strong>الحصص والحدود</strong>: الحصص والحدود هي آلية جديدة في الإصدار 2.2 من Milvus تحمي نظام قاعدة البيانات من أخطاء نفاد الذاكرة (OOM) والأعطال أثناء الزيادات المفاجئة في حركة المرور. باستخدام هذه الميزة، يمكنك التحكم في الاستيعاب والبحث واستخدام الذاكرة.</li>
<li><strong>وقت البث المباشر (TTL) على مستوى المجموعة</strong>: في الإصدارات السابقة، كان Milvus يسمح لك في الإصدارات السابقة بتكوين وقت البث المباشر (TTL) لمجموعاتك فقط. ومع ذلك، يدعم الإصدار Milvus v2.2 الآن تكوين TTL على مستوى المجموعة. سينتهي تكوين TTL TTL لمجموعة معينة وستنتهي صلاحية الكيانات في تلك المجموعة تلقائيًا بعد انتهاء TTL. يوفر هذا التكوين مزيدًا من التحكم الدقيق في الاحتفاظ بالبيانات.</li>
<li><strong>فهارس البحث التقريبي للأقارب على الأقراص (ANNS) (تجريبي)</strong>: يقدّم الإصدار 2.2 من Milvus دعمًا لخوارزمية البحث الأقرب القريب المستند إلى القرص (DiskANN) وخوارزمية ANNS المستندة إلى الرسم البياني Vamana. يسمح هذا الدعم بالبحث المباشر على مجموعات البيانات واسعة النطاق، والتي يمكن أن تقلل بشكل كبير من استخدام الذاكرة، بنسبة تصل إلى 10 أضعاف.</li>
<li><strong>النسخ الاحتياطي للبيانات (بيتا)</strong>: يوفر Milvus v2.2 <a href="https://github.com/zilliztech/milvus-backup">أداة جديدة تمامًا</a> للنسخ الاحتياطي واستعادة بيانات Milvus بشكل صحيح، إما من خلال سطر الأوامر أو خادم واجهة برمجة التطبيقات.</li>
</ul>
<p>وبالإضافة إلى الميزات الجديدة المذكورة أعلاه، يتضمن الإصدار 2.2 من ميلفوس إصلاحات لخمسة أخطاء وتحسينات متعددة لتعزيز استقرار ميلفوس وقابلية ملاحظته وأدائه. لمزيد من التفاصيل، راجع <a href="https://milvus.io/docs/release_notes.md#v220">ملاحظات الإصدار Milvus v2.2 ملاحظات الإصدار</a>.</p>
<h2 id="Milvus-v221--v222-minor-releases-with-issues-fixed" class="common-anchor-header">الإصداران Milvus v2.2.1 و v2.2.2.2: إصداران ثانويان مع إصلاح المشكلات<button data-href="#Milvus-v221--v222-minor-releases-with-issues-fixed" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>الإصداران Milvus v2.2.1 و v2.2.2.2 هما إصداران ثانويان يركزان على إصلاح المشكلات الحرجة في الإصدارات القديمة وتقديم ميزات جديدة. فيما يلي بعض النقاط البارزة:</p>
<h3 id="Milvus-v221" class="common-anchor-header">ميلفوس الإصدار 2.2.1</h3><ul>
<li>يدعم مستأجر ومصادقة Pulsa</li>
<li>يدعم أمان طبقة النقل (TLS) في مصدر تكوين إلخd</li>
<li>يحسن أداء البحث بنسبة تزيد عن 30%</li>
<li>يحسّن المجدول ويزيد من احتمالية دمج المهام</li>
<li>إصلاح العديد من الأخطاء، بما في ذلك فشل تصفية المصطلحات على الحقول العددية المفهرسة وذعر IndexNode عند الفشل في إنشاء فهرس</li>
</ul>
<h3 id="Milvus-v222" class="common-anchor-header">ميلفوس الإصدار 2.2.2</h3><ul>
<li>إصلاح مشكلة عدم قيام الوكيل بتحديث ذاكرة التخزين المؤقت لقادة الأجزاء الموزعة</li>
<li>إصلاح مشكلة عدم تنظيف المعلومات المحملة للمجموعات/الأقسام التي تم إصدارها</li>
<li>إصلاح مشكلة عدم مسح عدد التحميل في الوقت المحدد</li>
</ul>
<p>للمزيد من التفاصيل، راجع <a href="https://milvus.io/docs/release_notes.md#v221">ملاحظات الإصدار Milvus v2.2.1</a> <a href="https://milvus.io/docs/release_notes.md#v222">وملاحظات الإصدار Milvus v2.2.2.2</a>.</p>
<h2 id="Milvus-v223-more-secure-stable-and-available" class="common-anchor-header">الإصدار Milvus v2.2.3: أكثر أمانًا واستقرارًا وإتاحةً<button data-href="#Milvus-v223-more-secure-stable-and-available" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>الإصدار Milvus v2.2.3 هو إصدار يركز على تعزيز أمان النظام واستقراره وتوافره. بالإضافة إلى ذلك، فإنه يقدم ميزتين مهمتين:</p>
<ul>
<li><p>الترقية<strong>المتجددة</strong>: تسمح هذه الميزة لـ Milvus بالاستجابة للطلبات الواردة أثناء عملية الترقية، وهو ما كان مستحيلاً في الإصدارات السابقة. تضمن الترقيات المتجددة أن يظل النظام متاحًا ومستجيبًا لطلبات المستخدمين حتى أثناء الترقيات.</p></li>
<li><p><strong>التوافر العالي للمنسق (HA)</strong>: تُمكّن هذه الميزة منسقي Milvus من العمل في وضع الاستعداد النشط، مما يقلل من مخاطر الأعطال الأحادية. حتى في حالات الكوارث غير المتوقعة، يتم تقليل وقت الاسترداد إلى 30 ثانية على الأكثر.</p></li>
</ul>
<p>وبالإضافة إلى هذه الميزات الجديدة، يتضمن الإصدار 2.2.3 من Milvus العديد من التحسينات وإصلاحات الأخطاء، بما في ذلك تحسين أداء الإدراج المجمع، وتقليل استخدام الذاكرة، وتحسين مقاييس المراقبة، وتحسين أداء التخزين الفوقي. لمزيد من التفاصيل، راجع <a href="https://milvus.io/docs/release_notes.md#v223">ملاحظات الإصدار Milvus v2.2.3 ملاحظات الإصدار</a>.</p>
<h2 id="Milvus-v224-faster-more-reliable-and-resource-saving" class="common-anchor-header">الإصدار Milvus v2.2.4: أسرع وأكثر موثوقية وتوفيرًا للموارد<button data-href="#Milvus-v224-faster-more-reliable-and-resource-saving" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>الإصدار Milvus v2.2.4 هو تحديث ثانوي للإصدار Milvus v2.2. وهو يقدم أربع ميزات جديدة والعديد من التحسينات، مما يؤدي إلى أداء أسرع وموثوقية محسنة واستهلاك أقل للموارد. تتضمن أبرز ميزات هذا الإصدار ما يلي:</p>
<ul>
<li>تجميع<strong>الموارد</strong>: يدعم Milvus الآن تجميع QueryNodes في مجموعات موارد أخرى، مما يسمح بالعزل الكامل للوصول إلى الموارد المادية في مجموعات مختلفة.</li>
<li><strong>إعادة تسمية المجموعات</strong>: تسمح واجهة برمجة تطبيقات إعادة تسمية المجموعات للمستخدمين بتغيير اسم المجموعة، مما يوفر مزيدًا من المرونة في إدارة المجموعات وتحسين قابلية الاستخدام.</li>
<li><strong>دعم التخزين السحابي من Google Cloud Storage</strong></li>
<li><strong>خيار جديد في واجهات برمجة تطبيقات البحث والاستعلام</strong>: تسمح هذه الميزة الجديدة للمستخدمين بتخطي البحث في جميع المقاطع المتزايدة، مما يوفر أداء بحث أفضل في السيناريوهات التي يتم فيها إجراء البحث بالتزامن مع إدراج البيانات.</li>
</ul>
<p>لمزيد من المعلومات، راجع <a href="https://milvus.io/docs/release_notes.md#v224">ملاحظات الإصدار Milvus v2.2.4 ملاحظات الإصدار</a>.</p>
<h2 id="Milvus-v225-NOT-RECOMMENDED" class="common-anchor-header">الإصدار Milvus v2.2.5: غير مستحسن<button data-href="#Milvus-v225-NOT-RECOMMENDED" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>يحتوي الإصدار Milvus v2.2.5 على العديد من المشكلات الحرجة، وبالتالي، لا نوصي باستخدام هذا الإصدار.  نحن نعتذر بصدق عن أي إزعاج ناجم عنها. ومع ذلك، تمت معالجة هذه المشكلات في الإصدار Milvus v2.2.6.</p>
<h2 id="Milvus-v226-resolves-critical-issues-from-v225" class="common-anchor-header">الإصدار Milvus v2.2.6: تم حل المشكلات الحرجة من الإصدار 2.2.5<button data-href="#Milvus-v226-resolves-critical-issues-from-v225" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>نجح الإصدار Milvus v2.2.6 في معالجة المشاكل الحرجة التي تم اكتشافها في الإصدار 2.2.5، بما في ذلك مشاكل إعادة تدوير بيانات مدونة البيانات المتسخة وفشل DataCoord GC. إذا كنت تستخدم الإصدار 2.2.5 حاليًا، يُرجى ترقية الإصدار 2.2.5 لضمان الأداء والاستقرار الأمثل.</p>
<p>تتضمن المشكلات الحرجة التي تم إصلاحها ما يلي:</p>
<ul>
<li>فشل DataCoord GC</li>
<li>تجاوز معلمات الفهرس التي تم تمريرها</li>
<li>تأخر النظام الناجم عن تراكم رسائل RootCoord</li>
<li>عدم دقة مقياس RootCoordInsertChannelTimeTick</li>
<li>احتمال توقف الطابع الزمني</li>
<li>التدمير الذاتي العرضي لدور المنسق أثناء عملية إعادة التشغيل</li>
<li>تأخر نقاط التدقيق بسبب الخروج غير الطبيعي لعملية جمع القمامة</li>
</ul>
<p>للمزيد من التفاصيل، راجع <a href="https://milvus.io/docs/release_notes.md#v226">ملاحظات الإصدار Milvus v2.2.6 ملاحظات الإصدار</a>.</p>
<h2 id="Summary" class="common-anchor-header">الملخص<button data-href="#Summary" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>في الختام، قدمت أحدث إصدارات Milvus من الإصدار 2.2 إلى الإصدار 2.2.6 العديد من التحديثات والتحسينات المثيرة. من الميزات الجديدة إلى إصلاحات الأخطاء والتحسينات، تواصل شركة Milvus الوفاء بالتزاماتها لتوفير حلول متطورة وتمكين التطبيقات في مختلف المجالات. ترقبوا المزيد من التحديثات والابتكارات المثيرة من مجتمع Milvus.</p>


ميلفوس في أفضل حالاته: استكشاف الإصدار 2.2 إلى الإصدار 2.2.6

<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/Dynamically_Change_Log_Levels_in_the_Milvus_Vector_Database_58e31c66cc.png" alt="Cover image" class="doc-image" id="cover-image" />
   </span> <span class="img-wrapper"> <span>صورة الغلاف</span> </span></p>
<blockquote>
<p>هذا المقال بقلم <a href="https://github.com/jiaoew1991">إنوي جياو</a> وترجمة <a href="https://www.linkedin.com/in/yiyun-n-2aa713163/">أنجيلا ني</a>.</p>
</blockquote>
<p>لمنع الإفراط في إخراج السجلات من التأثير على أداء القرص والنظام، يقوم ميلفوس افتراضيًا بإخراج السجلات على مستوى <code translate="no">info</code> أثناء التشغيل. ومع ذلك، في بعض الأحيان لا تكون السجلات على مستوى <code translate="no">info</code> كافية لمساعدتنا في تحديد الأخطاء والمشاكل بكفاءة. ما هو أسوأ من ذلك، في بعض الحالات، قد يؤدي تغيير مستوى السجل وإعادة تشغيل الخدمة إلى فشل إعادة إنتاج المشاكل، مما يجعل استكشاف الأخطاء وإصلاحها أكثر صعوبة. وبالتالي، فإن هناك حاجة ماسة إلى دعم تغيير مستويات السجل ديناميكيًا في قاعدة بيانات مالفوس ناقلات.</p>
<p>تهدف هذه المقالة إلى تقديم الآلية الكامنة وراء تمكين تغيير مستويات السجل ديناميكيًا وتقديم إرشادات حول كيفية القيام بذلك في قاعدة بيانات مالفوس ناقلات.</p>
<p><strong>الانتقال إلى:</strong></p>
<ul>
<li><a href="#Mechanism">الآلية</a></li>
<li><a href="#How-to-dynamically-change-log-levels">كيفية تغيير مستويات السجل ديناميكياً</a></li>
</ul>
<h2 id="Mechanism" class="common-anchor-header">الآلية<button data-href="#Mechanism" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>تتبنى قاعدة بيانات Milvus vector قاعدة بيانات Milvus المتجهة مسجّل <a href="https://github.com/uber-go/zap">zap</a> مفتوح المصدر من قبل أوبر. كواحد من أقوى مكونات السجل في النظام البيئي للغة Go، يتضمن zap وحدة <a href="https://github.com/uber-go/zap/blob/master/http_handler.go">http_handler.go</a> بحيث يمكنك عرض مستوى السجل الحالي وتغيير مستوى السجل ديناميكيًا عبر واجهة HTTP.</p>
<p>يستمع ميلفوس إلى خدمة HTTP التي يوفرها منفذ <code translate="no">9091</code>. ولذلك، يمكنك الوصول إلى المنفذ <code translate="no">9091</code> للاستفادة من ميزات مثل تصحيح الأداء والمقاييس والتحقق من الصحة. وبالمثل، يتم إعادة استخدام المنفذ <code translate="no">9091</code> لتمكين تعديل مستوى السجل الديناميكي وإضافة مسار <code translate="no">/log/level</code> إلى المنفذ أيضًا. راجع<a href="https://github.com/milvus-io/milvus/pull/18430"> واجهة السجل PR</a> لمزيد من المعلومات.</p>
<h2 id="How-to-dynamically-change-log-levels" class="common-anchor-header">كيفية تغيير مستويات السجل ديناميكيًا<button data-href="#How-to-dynamically-change-log-levels" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>يوفر هذا القسم إرشادات حول كيفية تغيير مستويات السجل ديناميكياً دون الحاجة إلى إعادة تشغيل خدمة Milvus قيد التشغيل.</p>
<h3 id="Prerequisite" class="common-anchor-header">المتطلبات الأساسية</h3><p>تأكد من إمكانية الوصول إلى المنفذ <code translate="no">9091</code> الخاص بمكونات Milvus.</p>
<h3 id="Change-the-log-level" class="common-anchor-header">تغيير مستوى السجل</h3><p>لنفترض أن عنوان IP الخاص بوكيل Milvus هو <code translate="no">192.168.48.12</code>.</p>
<p>يمكنك أولاً تشغيل <code translate="no">$ curl -X GET 192.168.48.12:9091/log/level</code> للتحقق من مستوى السجل الحالي للوكيل.</p>
<p>ثم يمكنك إجراء تعديلات من خلال تحديد مستوى السجل. تتضمن خيارات مستوى السجل:</p>
<ul>
<li><p><code translate="no">debug</code></p></li>
<li><p><code translate="no">info</code></p></li>
<li><p><code translate="no">warn</code></p></li>
<li><p><code translate="no">error</code></p></li>
<li><p><code translate="no">dpanic</code></p></li>
<li><p><code translate="no">panic</code></p></li>
<li><p><code translate="no">fatal</code></p></li>
</ul>
<p>يقوم رمز المثال التالي بتغيير مستوى السجل من مستوى السجل الافتراضي من <code translate="no">info</code> إلى <code translate="no">error</code>.</p>
<pre><code translate="no" class="language-Python">$ curl -X PUT 192.168.48.12:9091/log/level -d level=error
<button class="copy-code-btn"></button></code></pre>


تغيير مستويات السجل ديناميكيًا في قاعدة بيانات ناقلات ميلفوس

<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/1280_X1280_0e0d4bc107.png" alt="Cover_image" class="doc-image" id="cover_image" />
   </span> <span class="img-wrapper"> <span>صورة_الغلاف</span> </span></p>
<blockquote>
<p>كتب هذه المقالة <a href="https://github.com/longjiquan">جيكوان لونج</a> ونسختها <a href="https://www.linkedin.com/in/yiyun-n-2aa713163/">أنجيلا ني</a>.</p>
</blockquote>
<p>في <a href="https://milvus.io/blog/understanding-consistency-levels-in-the-milvus-vector-database.md">المدونة السابقة</a> حول الاتساق، شرحنا في المدونة <a href="https://milvus.io/blog/understanding-consistency-levels-in-the-milvus-vector-database.md">السابقة</a> ما هو مدلول الاتساق في قاعدة البيانات المتجهة الموزعة، وغطينا مستويات الاتساق الأربعة - القوي، والثبات المحدود، والجلسة، والنهائي المدعوم في قاعدة بيانات ميلفوس المتجهة، وشرحنا سيناريو التطبيق الأنسب لكل مستوى من مستويات الاتساق.</p>
<p>في هذا المنشور، سنواصل دراسة الآلية الكامنة وراء تمكين مستخدمي قاعدة بيانات Milvus vector من اختيار مستوى الاتساق المثالي لسيناريوهات التطبيق المختلفة بمرونة. سنقدم أيضًا برنامجًا تعليميًا أساسيًا حول كيفية ضبط مستوى الاتساق في قاعدة بيانات Milvus vector.</p>
<p><strong>الانتقال إلى:</strong></p>
<ul>
<li><a href="#The-underlying-time-tick-mechanism">آلية التجزئة الزمنية الأساسية</a></li>
<li><a href="#Guarantee-timestamp">ضمان الطابع الزمني</a></li>
<li><a href="#Consistency-levels">مستويات الاتساق</a></li>
<li><a href="#How-to-tune-consistency-level-in-Milvus">كيفية ضبط مستوى الاتساق في ملفوس؟</a></li>
</ul>
<h2 id="The-underlying-time-tick-mechanism" class="common-anchor-header">آلية التجزئة الزمنية الأساسية<button data-href="#The-underlying-time-tick-mechanism" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>يستخدم Milvus آلية علامة الوقت لضمان مستويات مختلفة من الاتساق عند إجراء بحث أو استعلام متجه. علامة الوقت هي العلامة المائية لـ Milvus التي تعمل كساعة في Milvus وتدل على النقطة الزمنية التي يوجد فيها نظام Milvus. كلما كان هناك طلب بلغة معالجة البيانات (DML) يتم إرساله إلى قاعدة بيانات Milvus vector، فإنه يقوم بتعيين طابع زمني للطلب. كما هو موضح في الشكل أدناه، عندما يتم إدراج بيانات جديدة في قائمة انتظار الرسائل على سبيل المثال، لا يقوم Milvus بوضع طابع زمني على هذه البيانات المدرجة فحسب، بل يقوم أيضًا بإدراج علامات زمنية على فترات منتظمة.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/timetick_b395df9804.png" alt="timetick" class="doc-image" id="timetick" />
   </span> <span class="img-wrapper"> <span>timetick</span> </span></p>
<p>لنأخذ <code translate="no">syncTs1</code> في الشكل أعلاه كمثال. عندما يرى المستهلكون النهائيون مثل عقد الاستعلام <code translate="no">syncTs1</code> ، تفهم مكونات المستهلك أن جميع البيانات التي تم إدراجها قبل <code translate="no">syncTs1</code> قد تم استهلاكها. بمعنى آخر، لن تظهر طلبات إدراج البيانات التي تكون قيم طابعها الزمني أصغر من <code translate="no">syncTs1</code> في قائمة انتظار الرسائل.</p>
<h2 id="Guarantee-Timestamp" class="common-anchor-header">ضمان الطابع الزمني<button data-href="#Guarantee-Timestamp" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>كما ذكرنا في القسم السابق، تحصل مكونات المستهلك النهائية مثل عقد الاستعلام باستمرار على رسائل طلبات إدراج البيانات وعلامة الوقت من قائمة انتظار الرسائل. في كل مرة يتم فيها استهلاك علامة زمنية، ستضع عقدة الاستعلام علامة على هذه العلامة الزمنية المستهلكة كوقت قابل للخدمة - <code translate="no">ServiceTime</code> وجميع البيانات التي تم إدراجها قبل <code translate="no">ServiceTime</code> مرئية لعقدة الاستعلام.</p>
<p>بالإضافة إلى <code translate="no">ServiceTime</code> ، تعتمد ميلفوس أيضًا نوعًا من الطابع الزمني - الطابع الزمني المضمون (<code translate="no">GuaranteeTS</code>) لتلبية الحاجة إلى مستويات مختلفة من الاتساق والتوافر من قبل مختلف المستخدمين. هذا يعني أنه يمكن لمستخدمي قاعدة بيانات ميلفوس المتجهة تحديد <code translate="no">GuaranteeTs</code> من أجل إبلاغ عقد الاستعلام بأن جميع البيانات قبل <code translate="no">GuaranteeTs</code> يجب أن تكون مرئية ومشاركة عند إجراء بحث أو استعلام.</p>
<p>هناك عادةً سيناريوهان عندما تنفذ عقدة الاستعلام طلب بحث في قاعدة بيانات ميلفوس المتجهة.</p>
<h3 id="Scenario-1-Execute-search-request-immediately" class="common-anchor-header">السيناريو 1: تنفيذ طلب البحث على الفور</h3><p>كما هو موضح في الشكل أدناه، إذا كان <code translate="no">GuaranteeTs</code> أصغر من <code translate="no">ServiceTime</code> ، يمكن لعُقد الاستعلام تنفيذ طلب البحث على الفور.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/execute_immediately_dd1913775d.png" alt="execute_immediately" class="doc-image" id="execute_immediately" />
   </span> <span class="img-wrapper"> <span>تنفيذ_فوراً</span> </span></p>
<h3 id="Scenario-2-Wait-till-ServiceTime--GuaranteeTs" class="common-anchor-header">السيناريو 2: انتظر حتى "وقت الخدمة&gt; ضمانات"</h3><p>إذا كان <code translate="no">GuaranteeTs</code> أكبر من <code translate="no">ServiceTime</code> ، يجب أن تستمر عقد الاستعلام في استهلاك علامة الوقت من قائمة انتظار الرسائل. لا يمكن تنفيذ طلبات البحث حتى يصبح <code translate="no">ServiceTime</code> أكبر من <code translate="no">GuaranteeTs</code>.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/wait_search_f09a2f6cf9.png" alt="wait_search" class="doc-image" id="wait_search" />
   </span> <span class="img-wrapper"> <span>انتظار_البحث</span> </span></p>
<h2 id="Consistency-Levels" class="common-anchor-header">مستويات الاتساق<button data-href="#Consistency-Levels" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>لذلك، يكون <code translate="no">GuaranteeTs</code> قابلاً للتكوين في طلب البحث لتحقيق مستوى الاتساق الذي تحدده. يضمن <code translate="no">GuaranteeTs</code> ذو القيمة الكبيرة اتساقًا <a href="https://milvus.io/blog/understanding-consistency-levels-in-the-milvus-vector-database.md#Strong">قويًا</a> على حساب زمن انتقال عالٍ للبحث. ويقلل <code translate="no">GuaranteeTs</code> ذو القيمة الصغيرة من زمن انتقال البحث ولكن رؤية البيانات معرضة للخطر.</p>
<p><code translate="no">GuaranteeTs</code> في ميلفوس هو تنسيق طابع زمني هجين. وليس لدى المستخدم أي فكرة عن <a href="https://github.com/milvus-io/milvus/blob/master/docs/design_docs/20211214-milvus_hybrid_ts.md">TSO</a> داخل Milvus. لذلك، يعد تحديد قيمة<code translate="no">GuaranteeTs</code> مهمة معقدة للغاية بالنسبة للمستخدمين. ولتوفير العناء على المستخدمين وتوفير تجربة مستخدم مثالية، لا يتطلب Milvus من المستخدمين سوى اختيار مستوى الاتساق المحدد، وستتعامل قاعدة بيانات Milvus المتجهة تلقائيًا مع قيمة <code translate="no">GuaranteeTs</code> للمستخدمين. وهذا يعني أن مستخدم Milvus يحتاج فقط إلى الاختيار من بين مستويات الاتساق الأربعة: <code translate="no">Strong</code> <code translate="no">Bounded</code> و <code translate="no">Session</code> و و <code translate="no">Eventually</code>. ويتوافق كل مستوى من مستويات الاتساق مع قيمة <code translate="no">GuaranteeTs</code> معينة.</p>
<p>ويوضح الشكل أدناه <code translate="no">GuaranteeTs</code> لكل مستوى من مستويات الاتساق الأربعة في قاعدة بيانات ميلفوس المتجهة.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/guarantee_ts_f4b3e119d3.png" alt="guarantee_ts" class="doc-image" id="guarantee_ts" />
   </span> <span class="img-wrapper"> <span>الضمانات</span> </span></p>
<p>تدعم قاعدة بيانات ميلفوس المتجهة أربعة مستويات من الاتساق:</p>
<ul>
<li><p><code translate="no">CONSISTENCY_STRONG</code>: يتم تعيين <code translate="no">GuaranteeTs</code> إلى نفس قيمة أحدث طابع زمني للنظام، وتنتظر عقد الاستعلام حتى ينتقل وقت الخدمة إلى أحدث طابع زمني للنظام لمعالجة طلب البحث أو الاستعلام.</p></li>
<li><p><code translate="no">CONSISTENCY_EVENTUALLY</code>:: <code translate="no">GuaranteeTs</code> يتم تعيينها إلى قيمة أصغر بكثير من أحدث طابع زمني للنظام من أجل تخطي التحقق من الاتساق. تبحث عقد الاستعلام على الفور في طريقة عرض البيانات الموجودة.</p></li>
<li><p><code translate="no">CONSISTENCY_BOUNDED</code>: يتم تعيين <code translate="no">GuaranteeTs</code> إلى قيمة أصغر نسبيًا من أحدث طابع زمني للنظام، وتبحث عقد الاستعلام على طريقة عرض بيانات أقل تحديثًا بشكل مقبول.</p></li>
<li><p><code translate="no">CONSISTENCY_SESSION</code>: يستخدم العميل الطابع الزمني لآخر عملية كتابة كـ <code translate="no">GuaranteeTs</code> بحيث يمكن لكل عميل على الأقل استرداد البيانات التي تم إدراجها بنفسه.</p></li>
</ul>
<h2 id="How-to-tune-consistency-level-in-Milvus" class="common-anchor-header">كيف يمكن ضبط مستوى الاتساق في ميلفوس؟<button data-href="#How-to-tune-consistency-level-in-Milvus" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>يدعم Milvus ضبط مستوى الاتساق عند <a href="https://milvus.io/docs/v2.1.x/create_collection.md">إنشاء مجموعة</a> أو إجراء <a href="https://milvus.io/docs/v2.1.x/search.md">بحث</a> أو <a href="https://milvus.io/docs/v2.1.x/query.md">استعلام</a>.</p>
<h3 id="Conduct-a-vector-similarity-search" class="common-anchor-header">إجراء بحث تشابه متجهي</h3><p>لإجراء بحث تشابه متجه بمستوى الاتساق الذي تريده، ما عليك سوى تعيين قيمة المعلمة <code translate="no">consistency_level</code> إما <code translate="no">Strong</code> أو <code translate="no">Bounded</code> أو <code translate="no">Session</code> أو <code translate="no">Eventually</code>. إذا لم تقم بتعيين قيمة المعلمة <code translate="no">consistency_level</code> ، فسيكون مستوى الاتساق <code translate="no">Bounded</code> افتراضيًا. يقوم المثال بإجراء بحث تشابه متجه باستخدام <code translate="no">Strong</code> الاتساق.</p>
<pre><code translate="no">results = collection.search(
        data=[[0.1, 0.2]], 
        anns_field=<span class="hljs-string">&quot;book_intro&quot;</span>, 
        param=search_params, 
        <span class="hljs-built_in">limit</span>=10, 
        <span class="hljs-built_in">expr</span>=None,
        consistency_level=<span class="hljs-string">&quot;Strong&quot;</span>
)
<button class="copy-code-btn"></button></code></pre>
<h3 id="Conduct-a-vector-query" class="common-anchor-header">إجراء استعلام متجه</h3><p>على غرار إجراء بحث تشابه متجه، يمكنك تحديد قيمة المعلمة <code translate="no">consistency_level</code> عند إجراء استعلام متجه. يُجري المثال إجراء استعلام متجه بتناسق <code translate="no">Strong</code>.</p>
<pre><code translate="no">res = collection.query(
  <span class="hljs-built_in">expr</span> = <span class="hljs-string">&quot;book_id in [2,4,6,8]&quot;</span>, 
  output_fields = [<span class="hljs-string">&quot;book_id&quot;</span>, <span class="hljs-string">&quot;book_intro&quot;</span>],
  consistency_level=<span class="hljs-string">&quot;Strong&quot;</span>
)
<button class="copy-code-btn"></button></code></pre>
<h2 id="Whats-next" class="common-anchor-header">ما التالي<button data-href="#Whats-next" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>مع الإصدار الرسمي لميلفوس 2.1، أعددنا سلسلة من المدونات التي تقدم الميزات الجديدة. اقرأ المزيد في سلسلة المدونات هذه:</p>
<ul>
<li><a href="https://milvus.io/blog/2022-08-08-How-to-use-string-data-to-empower-your-similarity-search-applications.md">كيفية استخدام بيانات السلسلة لتمكين تطبيقات البحث عن التشابه لديك</a></li>
<li><a href="https://milvus.io/blog/embedded-milvus.md">استخدام ميلفوس المدمج لتثبيت وتشغيل ميلفوس مع بايثون على الفور</a></li>
<li><a href="https://milvus.io/blog/in-memory-replicas.md">زيادة إنتاجية قراءة قاعدة بيانات المتجهات باستخدام النسخ المتماثلة في الذاكرة</a></li>
<li><a href="https://milvus.io/blog/understanding-consistency-levels-in-the-milvus-vector-database.md">فهم مستوى الاتساق في قاعدة بيانات Milvus Vector في قاعدة بيانات Milvus</a></li>
<li><a href="https://milvus.io/blog/understanding-consistency-levels-in-the-milvus-vector-database-2.md">فهم مستوى الاتساق في قاعدة بيانات Milvus Vector (الجزء الثاني)</a></li>
<li><a href="https://milvus.io/blog/data-security.md">كيف تضمن قاعدة بيانات Milvus Vector أمان البيانات؟</a></li>
</ul>


فهم مستوى الاتساق في قاعدة بيانات ناقلات ميلفوس - الجزء الثاني

<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/Security_192e35a790.png" alt="Cover image" class="doc-image" id="cover-image" />
   </span> <span class="img-wrapper"> <span>صورة الغلاف</span> </span></p>
<p>مراعاةً لأمان بياناتك بشكل كامل، أصبحت مصادقة المستخدم واتصال أمان طبقة النقل (TLS) متاحة الآن رسميًا في Milvus 2.1. بدون مصادقة المستخدم، يمكن لأي شخص الوصول إلى جميع البيانات في قاعدة بيانات المتجهات الخاصة بك باستخدام SDK. ومع ذلك، بدءًا من الإصدار Milvus 2.1، لا يمكن الوصول إلى قاعدة بيانات Milvus vector إلا لمن لديهم اسم مستخدم وكلمة مرور صالحين. بالإضافة إلى ذلك، في Milvus 2.1، يتم حماية أمن البيانات في Milvus 2.1 بشكل أكبر بواسطة TLS، مما يضمن اتصالات آمنة في شبكة الكمبيوتر.</p>
<p>تهدف هذه المقالة إلى تحليل كيفية ضمان قاعدة بيانات المتجهات في ملفوس لأمن البيانات من خلال مصادقة المستخدم واتصال TLS وشرح كيفية الاستفادة من هاتين الميزتين كمستخدم يريد ضمان أمن البيانات عند استخدام قاعدة بيانات المتجهات.</p>
<p><strong>انتقل إلى:</strong></p>
<ul>
<li><a href="#What-is-database-security-and-why-is-it-important">ما هو أمان قاعدة البيانات ولماذا هو مهم؟</a></li>
<li><a href="#How-does-the-Milvus-vector-database-ensure-data-security">كيف تضمن قاعدة بيانات ميلفوس المتجهة أمان البيانات؟</a><ul>
<li><a href="#User-authentication">مصادقة المستخدم</a></li>
<li><a href="#TLS-connection">اتصال TLS</a></li>
</ul></li>
</ul>
<h2 id="What-is-database-security-and-why-is-it-important" class="common-anchor-header">ما هو أمن قاعدة البيانات ولماذا هو مهم؟<button data-href="#What-is-database-security-and-why-is-it-important" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>يشير أمن قاعدة البيانات إلى التدابير المتخذة لضمان أن جميع البيانات في قاعدة البيانات آمنة ومحفوظة السرية. حالات اختراق البيانات وتسريب البيانات التي حدثت مؤخرًا في <a href="https://firewalltimes.com/recent-data-breaches/">تويتر وماريوت وإدارة التأمين في تكساس وغيرها</a> تجعلنا أكثر يقظة لمسألة أمن البيانات. كل هذه الحالات تذكرنا باستمرار بأن الشركات والشركات يمكن أن تعاني من خسائر فادحة إذا لم تكن البيانات محمية بشكل جيد وقواعد البيانات التي تستخدمها آمنة.</p>
<h2 id="How-does-the-Milvus-vector-database-ensure-data-security" class="common-anchor-header">كيف تضمن قاعدة بيانات Milvus vector أمن البيانات؟<button data-href="#How-does-the-Milvus-vector-database-ensure-data-security" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>في الإصدار الحالي من الإصدار 2.1، تحاول قاعدة بيانات Milvus vector ضمان أمن قاعدة البيانات عن طريق المصادقة والتشفير. وبشكل أكثر تحديدًا، على مستوى الوصول، تدعم Milvus مصادقة المستخدم الأساسية للتحكم في من يمكنه الوصول إلى قاعدة البيانات. وفي الوقت نفسه، على مستوى قاعدة البيانات، تعتمد Milvus بروتوكول تشفير طبقة النقل (TLS) لحماية اتصال البيانات.</p>
<h3 id="User-authentication" class="common-anchor-header">مصادقة المستخدم</h3><p>تدعم ميزة مصادقة المستخدم الأساسية في Milvus الوصول إلى قاعدة بيانات المتجهات باستخدام اسم مستخدم وكلمة مرور من أجل أمن البيانات. وهذا يعني أنه لا يمكن للعملاء الوصول إلى مثيل Milvus إلا عند تقديم اسم مستخدم وكلمة مرور مصادق عليهما.</p>
<h4 id="The-authentication-workflow-in-the-Milvus-vector-database" class="common-anchor-header">سير عمل المصادقة في قاعدة بيانات متجهات ميلفوس</h4><p>يتم التعامل مع جميع طلبات gRPC بواسطة وكيل Milvus، وبالتالي تتم المصادقة بواسطة الوكيل. يكون سير عمل تسجيل الدخول باستخدام بيانات الاعتماد للاتصال بمثيل Milvus على النحو التالي.</p>
<ol>
<li>إنشاء بيانات اعتماد لكل مثيل Milvus ويتم تخزين كلمات المرور المشفرة في etcd. تستخدم Milvus <a href="https://golang.org/x/crypto/bcrypt">bcrypt</a> للتشفير حيث تقوم بتنفيذ <a href="http://www.usenix.org/event/usenix99/provos/provos.pdf">خوارزمية التجزئة التكيفية</a> الخاصة بـ Provos و Mazières.</li>
<li>من جانب العميل، ترسل SDK نصًا مشفرًا عند الاتصال بخدمة Milvus. يتم إرفاق نص التشفير الأساسي 64 (<username>:<password>) بالبيانات الوصفية مع المفتاح <code translate="no">authorization</code>.</li>
<li>يعترض وكيل Milvus الطلب ويتحقق من بيانات الاعتماد.</li>
<li>يتم تخزين بيانات الاعتماد مؤقتًا محليًا في الوكيل.</li>
</ol>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/1280_X1280_021e90e3c8.jpeg" alt="authetication_workflow" class="doc-image" id="authetication_workflow" />
   </span> <span class="img-wrapper"> <span>سير_عمل_التوثيق التلقائي</span> </span></p>
<p>عندما يتم تحديث بيانات الاعتماد، يكون سير عمل النظام في ميلفوس كما يلي</p>
<ol>
<li>التنسيق الجذر هو المسؤول عن بيانات الاعتماد عند استدعاء واجهات برمجة التطبيقات للإدراج والاستعلام والحذف.</li>
<li>عندما تقوم بتحديث بيانات الاعتماد لأنك نسيت كلمة المرور على سبيل المثال، يتم الاحتفاظ بكلمة المرور الجديدة في إلخد. ثم يتم إبطال جميع بيانات الاعتماد القديمة في ذاكرة التخزين المؤقت المحلية للوكيل.</li>
<li>يبحث معترض المصادقة عن السجلات من ذاكرة التخزين المؤقت المحلية أولاً. إذا كانت بيانات الاعتماد الموجودة في ذاكرة التخزين المؤقت غير صحيحة، فسيتم تشغيل استدعاء RPC لجلب أحدث سجل من جذر التنسيق. ويتم تحديث بيانات الاعتماد في ذاكرة التخزين المؤقت المحلية وفقًا لذلك.</li>
</ol>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/update_5af81a4173.jpeg" alt="credential_update_workflow" class="doc-image" id="credential_update_workflow" />
   </span> <span class="img-wrapper"> <span>سير عمل_تحديث_بيانات_الاعتماد</span> </span></p>
<h4 id="How-to-manage-user-authentication-in-the-Milvus-vector-database" class="common-anchor-header">كيفية إدارة مصادقة المستخدم في قاعدة بيانات Milvus vector</h4><p>لتمكين المصادقة، تحتاج أولاً إلى تعيين <code translate="no">common.security.authorizationEnabled</code> إلى <code translate="no">true</code> عند تكوين ملف Milvus في ملف <code translate="no">milvus.yaml</code>.</p>
<p>بمجرد التمكين، سيتم إنشاء مستخدم جذر لمثيل ميلفوس. يمكن لمستخدم الجذر هذا استخدام كلمة المرور الأولية <code translate="no">Milvus</code> للاتصال بقاعدة بيانات Milvus vector.</p>
<pre><code translate="no"><span class="hljs-keyword">from</span> pymilvus <span class="hljs-keyword">import</span> connections
connections.<span class="hljs-title function_">connect</span>(
    alias=<span class="hljs-string">&#x27;default&#x27;</span>,
    host=<span class="hljs-string">&#x27;localhost&#x27;</span>,
    port=<span class="hljs-string">&#x27;19530&#x27;</span>,
    user=<span class="hljs-string">&#x27;root_user&#x27;</span>,
    password=<span class="hljs-string">&#x27;Milvus&#x27;</span>,
)
<button class="copy-code-btn"></button></code></pre>
<p>نوصي بشدة بتغيير كلمة مرور المستخدم الجذر عند بدء تشغيل ميلفوس للمرة الأولى.</p>
<p>بعد ذلك يمكن للمستخدم الجذر إنشاء المزيد من المستخدمين الجدد للوصول المصادق عليه عن طريق تشغيل الأمر التالي لإنشاء مستخدمين جدد.</p>
<pre><code translate="no"><span class="hljs-keyword">from</span> pymilvus <span class="hljs-keyword">import</span> utility
utility.<span class="hljs-title function_">create_credential</span>(<span class="hljs-string">&#x27;user&#x27;</span>, <span class="hljs-string">&#x27;password&#x27;</span>, <span class="hljs-keyword">using</span>=<span class="hljs-string">&#x27;default&#x27;</span>) 
<button class="copy-code-btn"></button></code></pre>
<p>هناك أمران يجب تذكرهما عند إنشاء مستخدمين جدد:</p>
<ol>
<li><p>بالنسبة لاسم المستخدم الجديد، لا يمكن أن يتجاوز طوله 32 حرفًا ويجب أن يبدأ بحرف. يُسمح فقط بالشرطات السفلية أو الحروف أو الأرقام في اسم المستخدم. على سبيل المثال اسم المستخدم "2abc!" غير مقبول.</p></li>
<li><p>بالنسبة لكلمة المرور، يجب أن يكون طولها 6-256 حرفًا.</p></li>
</ol>
<p>بمجرد إعداد بيانات الاعتماد الجديدة، يمكن للمستخدم الجديد الاتصال بمثيل ميلفوس باستخدام اسم المستخدم وكلمة المرور.</p>
<pre><code translate="no"><span class="hljs-keyword">from</span> pymilvus <span class="hljs-keyword">import</span> connections
connections.<span class="hljs-title function_">connect</span>(
    alias=<span class="hljs-string">&#x27;default&#x27;</span>,
    host=<span class="hljs-string">&#x27;localhost&#x27;</span>,
    port=<span class="hljs-string">&#x27;19530&#x27;</span>,
    user=<span class="hljs-string">&#x27;user&#x27;</span>,
    password=<span class="hljs-string">&#x27;password&#x27;</span>,
)
<button class="copy-code-btn"></button></code></pre>
<p>مثل جميع عمليات المصادقة، لا داعي للقلق إذا نسيت كلمة المرور. يمكن إعادة تعيين كلمة المرور لمستخدم موجود باستخدام الأمر التالي.</p>
<pre><code translate="no"><span class="hljs-keyword">from</span> pymilvus <span class="hljs-keyword">import</span> utility
utility.<span class="hljs-title function_">reset_password</span>(<span class="hljs-string">&#x27;user&#x27;</span>, <span class="hljs-string">&#x27;new_password&#x27;</span>, <span class="hljs-keyword">using</span>=<span class="hljs-string">&#x27;default&#x27;</span>)
<button class="copy-code-btn"></button></code></pre>
<p>اقرأ <a href="https://milvus.io/docs/v2.1.x/authenticate.md">وثائق Milvus</a> لمعرفة المزيد عن مصادقة المستخدم.</p>
<h3 id="TLS-connection" class="common-anchor-header">اتصال TLS</h3><p>أمان طبقة النقل (TLS) هو نوع من بروتوكول المصادقة لتوفير أمان الاتصالات في شبكة الكمبيوتر. يستخدم TLS شهادات لتوفير خدمات المصادقة بين طرفين أو أكثر من أطراف الاتصال.</p>
<h4 id="How-to-enable-TLS-in-the-Milvus-vector-database" class="common-anchor-header">كيفية تمكين TLS في قاعدة بيانات Milvus vector</h4><p>لتمكين TLS في Milvus، تحتاج أولاً إلى تشغيل الأمر التالي لإعداد ملفين لإنشاء الشهادة: ملف تكوين OpenSSL افتراضي باسم <code translate="no">openssl.cnf</code> وملف باسم <code translate="no">gen.sh</code> يستخدم لإنشاء الشهادات ذات الصلة.</p>
<pre><code translate="no"><span class="hljs-built_in">mkdir</span> cert &amp;&amp; <span class="hljs-built_in">cd</span> cert
<span class="hljs-built_in">touch</span> openssl.cnf gen.sh
<button class="copy-code-btn"></button></code></pre>
<p>ثم يمكنك ببساطة نسخ ولصق التكوين الذي نقدمه <a href="https://milvus.io/docs/v2.1.x/tls.md#Create-files">هنا</a> في الملفين. أو يمكنك أيضًا إجراء تعديلات بناءً على تكويننا لتناسب تطبيقك بشكل أفضل.</p>
<p>عندما يصبح الملفان جاهزين، يمكنك تشغيل الملف <code translate="no">gen.sh</code> لإنشاء تسعة ملفات شهادات. وبالمثل، يمكنك أيضًا تعديل التكوينات في ملفات الشهادات التسعة لتناسب حاجتك.</p>
<pre><code translate="no"><span class="hljs-built_in">chmod</span> +x gen.sh
./gen.sh
<button class="copy-code-btn"></button></code></pre>
<p>هناك خطوة أخيرة قبل أن تتمكن من الاتصال بخدمة Milvus باستخدام TLS. يجب عليك تعيين <code translate="no">tlsEnabled</code> إلى <code translate="no">true</code> وتكوين مسارات الملفات <code translate="no">server.pem</code> و <code translate="no">server.key</code> و <code translate="no">ca.pem</code> للخادم في <code translate="no">config/milvus.yaml</code>. الرمز أدناه هو مثال على ذلك.</p>
<pre><code translate="no">tls:
  serverPemPath: configs/cert/server.pem
  serverKeyPath: configs/cert/server.key
  caPemPath: configs/cert/ca.pem

common:
  security:
    tlsEnabled: <span class="hljs-literal">true</span>
<button class="copy-code-btn"></button></code></pre>
<p>بعد ذلك تكون جاهزًا تمامًا ويمكنك الاتصال بخدمة Milvus باستخدام TLS طالما أنك تحدد مسارات الملفات <code translate="no">client.pem</code> و <code translate="no">client.key</code> و <code translate="no">ca.pem</code> للعميل عند استخدام مجموعة أدوات تطوير البرمجيات الخاصة باتصال Milvus. الرمز أدناه هو أيضًا مثال على ذلك.</p>
<pre><code translate="no"><span class="hljs-keyword">from</span> pymilvus <span class="hljs-keyword">import</span> connections

_HOST = <span class="hljs-string">&#x27;127.0.0.1&#x27;</span>
_PORT = <span class="hljs-string">&#x27;19530&#x27;</span>

<span class="hljs-built_in">print</span>(<span class="hljs-string">f&quot;\nCreate connection...&quot;</span>)
connections.connect(host=_HOST, port=_PORT, secure=<span class="hljs-literal">True</span>, client_pem_path=<span class="hljs-string">&quot;cert/client.pem&quot;</span>,
                        client_key_path=<span class="hljs-string">&quot;cert/client.key&quot;</span>,
                        ca_pem_path=<span class="hljs-string">&quot;cert/ca.pem&quot;</span>, server_name=<span class="hljs-string">&quot;localhost&quot;</span>)
<span class="hljs-built_in">print</span>(<span class="hljs-string">f&quot;\nList connections:&quot;</span>)
<span class="hljs-built_in">print</span>(connections.list_connections())
<button class="copy-code-btn"></button></code></pre>
<h2 id="Whats-next" class="common-anchor-header">ما التالي<button data-href="#Whats-next" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>مع الإصدار الرسمي لـ Milvus 2.1، أعددنا سلسلة من المدونات التي تقدم الميزات الجديدة. اقرأ المزيد في سلسلة المدونات هذه:</p>
<ul>
<li><a href="https://milvus.io/blog/2022-08-08-How-to-use-string-data-to-empower-your-similarity-search-applications.md">كيفية استخدام بيانات السلاسل لتمكين تطبيقات البحث عن التشابه لديك</a></li>
<li><a href="https://milvus.io/blog/embedded-milvus.md">استخدام ميلفوس المدمج لتثبيت وتشغيل ميلفوس مع بايثون على الفور</a></li>
<li><a href="https://milvus.io/blog/in-memory-replicas.md">زيادة إنتاجية قراءة قاعدة بيانات المتجهات باستخدام النسخ المتماثلة في الذاكرة</a></li>
<li><a href="https://milvus.io/blog/understanding-consistency-levels-in-the-milvus-vector-database.md">فهم مستوى الاتساق في قاعدة بيانات Milvus Vector في قاعدة بيانات Milvus</a></li>
<li><a href="https://milvus.io/blog/understanding-consistency-levels-in-the-milvus-vector-database-2.md">فهم مستوى الاتساق في قاعدة بيانات Milvus Vector (الجزء الثاني)</a></li>
<li><a href="https://milvus.io/blog/data-security.md">كيف تضمن قاعدة بيانات Milvus Vector أمان البيانات؟</a></li>
</ul>


كيف تضمن قاعدة بيانات ميلفوس فيكتور أمن البيانات؟

<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/1280_X1280_0e0d4bc107.png" alt="Cover_image" class="doc-image" id="cover_image" />
   </span> <span class="img-wrapper"> <span>صورة_الغلاف</span> </span></p>
<blockquote>
<p>هذا المقال بقلم <a href="https://github.com/JackLCL">تشنغلونغ لي</a> ونسخته <a href="https://www.linkedin.com/in/yiyun-n-2aa713163/">أنجيلا ني</a>.</p>
</blockquote>
<p>هل تساءلت يومًا عن سبب استمرار ظهور البيانات التي قمت بحذفها أحيانًا من قاعدة بيانات Mlivus vector في نتائج البحث؟</p>
<p>السبب المحتمل جدًا هو أنك لم تقم بتعيين مستوى الاتساق المناسب لتطبيقك. يعد مستوى الاتساق في قاعدة بيانات المتجهات الموزعة أمرًا بالغ الأهمية لأنه يحدد النقطة التي يمكن للنظام قراءة بيانات معينة مكتوبة فيها.</p>
<p>ولذلك، تهدف هذه المقالة إلى إزالة الغموض عن مفهوم الاتساق والتعمق في مستويات الاتساق التي تدعمها قاعدة بيانات Milvus vector.</p>
<p><strong>انتقل إلى:</strong></p>
<ul>
<li><a href="#What-is-consistency">ما هو الاتساق</a></li>
<li><a href="#Four-levels-of-consistency-in-the-Milvus-vector-database">أربعة مستويات من الاتساق في قاعدة بيانات ميلفوس المتجهة</a><ul>
<li><a href="#Strong">قوي</a></li>
<li><a href="#Bounded-staleness">الاتساق المحدود</a></li>
<li><a href="#Session">جلسة</a></li>
<li><a href="#Eventual">الاتساق النهائي</a></li>
</ul></li>
</ul>
<h2 id="What-is-consistency" class="common-anchor-header">ما هو الاتساق<button data-href="#What-is-consistency" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>قبل البدء، نحتاج أولاً إلى توضيح دلالة الاتساق في هذه المقالة حيث أن كلمة "الاتساق" مصطلح مثقل في صناعة الحوسبة. يشير الاتساق في قاعدة البيانات الموزعة على وجه التحديد إلى الخاصية التي تضمن أن كل عقدة أو نسخة متماثلة لديها نفس طريقة عرض البيانات عند كتابة أو قراءة البيانات في وقت معين. لذلك، نحن نتحدث هنا عن الاتساق كما في <a href="https://en.wikipedia.org/wiki/CAP_theorem">نظرية CAP</a>.</p>
<p>لخدمة الأعمال التجارية الضخمة عبر الإنترنت في العالم الحديث، يتم اعتماد النسخ المتماثلة المتعددة بشكل شائع. على سبيل المثال، تقوم شركة أمازون العملاقة للتجارة الإلكترونية عبر الإنترنت بتكرار طلباتها أو بيانات وحدات التخزين المخزنية عبر مراكز بيانات أو مناطق أو حتى بلدان متعددة لضمان توافر النظام بشكل كبير في حالة تعطل النظام أو تعطله. وهذا يشكل تحديًا للنظام، ألا وهو اتساق البيانات عبر نسخ متماثلة متعددة. فبدون الاتساق، من المحتمل جدًا أن يظهر العنصر المحذوف في عربة التسوق في أمازون مرة أخرى، مما يتسبب في تجربة مستخدم سيئة للغاية.</p>
<p>وبالتالي، نحتاج إلى مستويات اتساق بيانات مختلفة لتطبيقات مختلفة. ولحسن الحظ، توفر Milvus، وهي قاعدة بيانات للذكاء الاصطناعي، مرونة في مستوى الاتساق ويمكنك تعيين مستوى الاتساق الذي يناسب تطبيقك.</p>
<h3 id="Consistency-in-the-Milvus-vector-database" class="common-anchor-header">الاتساق في قاعدة بيانات ميلفوس المتجهة</h3><p>تم تقديم مفهوم مستوى الاتساق لأول مرة مع إصدار Milvus 2.0. لم يكن الإصدار 1.0 من Milvus 1.0 قاعدة بيانات متجهة موزعة لذلك لم نقم بتضمين مستويات الاتساق القابلة للضبط في ذلك الوقت. يقوم ميلفوس 1.0 بمسح البيانات كل ثانية، مما يعني أن البيانات الجديدة تكون مرئية على الفور تقريبًا عند إدراجها ويقرأ ميلفوس عرض البيانات الأكثر تحديثًا في النقطة الزمنية المحددة عندما يأتي طلب بحث أو استعلام عن تشابه المتجهات.</p>
<p>ومع ذلك، تمت إعادة هيكلة ميلفوس في إصداره 2.0، وميلفوس <a href="https://milvus.io/blog/deep-dive-1-milvus-architecture-overview.md">2.0 هو قاعدة بيانات متجهات موزعة</a> تعتمد على آلية pub-sub. تشير نظرية <a href="https://en.wikipedia.org/wiki/PACELC_theorem">PACELC</a> إلى أن النظام الموزع يجب أن يفاضل بين الاتساق والتوافر والكمون. علاوة على ذلك، تخدم مستويات مختلفة من الاتساق سيناريوهات مختلفة. لذلك، تم تقديم مفهوم الاتساق في <a href="https://milvus.io/blog/2022-1-25-annoucing-general-availability-of-milvus-2-0.md">Milvus 2.0</a> وهو يدعم ضبط مستويات الاتساق.</p>
<h2 id="Four-levels-of-consistency-in-the-Milvus-vector-database" class="common-anchor-header">أربعة مستويات من الاتساق في قاعدة بيانات ميلفوس المتجهة<button data-href="#Four-levels-of-consistency-in-the-Milvus-vector-database" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>يدعم ميلفوس أربعة مستويات من الاتساق: الاتساق القوي، والثبات المحدود، والجلسة، والنهائي. ويمكن لمستخدم Milvus تحديد مستوى الاتساق عند <a href="https://milvus.io/docs/v2.1.x/create_collection.md">إنشاء مجموعة</a> أو إجراء <a href="https://milvus.io/docs/v2.1.x/search.md">بحث</a> أو <a href="https://milvus.io/docs/v2.1.x/query.md">استعلام</a> <a href="https://milvus.io/docs/v2.1.x/search.md">عن تشابه المتجهات</a>. سيواصل هذا القسم شرح كيفية اختلاف مستويات الاتساق الأربعة هذه والسيناريو الأنسب لها.</p>
<h3 id="Strong" class="common-anchor-header">قوي</h3><p>قوي هو أعلى مستويات الاتساق وأكثرها صرامة. يضمن أن يتمكن المستخدمون من قراءة أحدث إصدار من البيانات.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/Consistency_Strong_5d791eb8b2.png" alt="Strong" class="doc-image" id="strong" />
   </span> <span class="img-wrapper"> <span>قوي</span> </span></p>
<p>وفقًا لنظرية PACELC، إذا تم ضبط مستوى الاتساق على قوي، سيزداد زمن الاستجابة. لذلك، نوصي باختيار الاتساق القوي أثناء الاختبارات الوظيفية لضمان دقة نتائج الاختبار. كما أن الاتساق القوي هو الأنسب للتطبيقات التي لديها طلب صارم على اتساق البيانات على حساب سرعة البحث. ومن الأمثلة على ذلك نظام مالي عبر الإنترنت يتعامل مع مدفوعات الطلبات والفواتير.</p>
<h3 id="Bounded-staleness" class="common-anchor-header">التقادم المحدود</h3><p>يسمح التقادم المحدود، كما يوحي اسمه، بعدم اتساق البيانات خلال فترة زمنية معينة. ومع ذلك، بشكل عام، تكون البيانات متسقة دائمًا بشكل عام خارج تلك الفترة الزمنية.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/Consistency_Bounded_c034bc6e51.png" alt="Bounded_staleness" class="doc-image" id="bounded_staleness" />
   </span> <span class="img-wrapper"> <span>التقادم_المحدود</span> </span></p>
<p>يعد التقادم المحدود مناسبًا للسيناريوهات التي تحتاج إلى التحكم في زمن انتقال البحث ويمكن أن تقبل عدم اتساق البيانات المتفرقة. على سبيل المثال، في أنظمة التوصية مثل محركات توصيات الفيديو، يكون لإخفاء البيانات من حين لآخر تأثير ضئيل حقًا على معدل الاستدعاء الإجمالي، ولكن يمكن أن يعزز أداء نظام التوصية بشكل كبير. ومن الأمثلة على ذلك تطبيق لتتبع حالة طلباتك عبر الإنترنت.</p>
<h3 id="Session" class="common-anchor-header">الجلسة</h3><p>تضمن جلسة العمل أن جميع عمليات كتابة البيانات يمكن إدراكها على الفور في القراءة خلال نفس الجلسة. بعبارة أخرى، عند كتابة البيانات عبر عميل واحد، تصبح البيانات المدرجة حديثًا قابلة للبحث على الفور.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/Consistency_Session_6dc4782212.png" alt="Session" class="doc-image" id="session" />
   </span> <span class="img-wrapper"> <span>جلسة العمل</span> </span></p>
<p>نوصي باختيار جلسة العمل كمستوى اتساق لتلك السيناريوهات التي يكون فيها الطلب على اتساق البيانات في نفس الجلسة مرتفعًا. يمكن أن يكون أحد الأمثلة على ذلك حذف بيانات إدخال كتاب من نظام المكتبة، وبعد تأكيد الحذف وتحديث الصفحة (جلسة مختلفة)، يجب ألا يكون الكتاب مرئيًا في نتائج البحث.</p>
<h3 id="Eventual" class="common-anchor-header">في نهاية المطاف</h3><p>لا يوجد ترتيب مضمون لعمليات القراءة والكتابة، وتتقارب النسخ المتماثلة في النهاية إلى نفس الحالة بالنظر إلى عدم إجراء عمليات كتابة أخرى. في ظل الاتساق النهائي، تبدأ النسخ المتماثلة في العمل على طلبات القراءة بأحدث القيم المحدثة. الاتساق النهائي هو المستوى الأضعف بين المستويات الأربعة.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/Consistency_Eventual_7c66dd5b6f.png" alt="Eventual" class="doc-image" id="eventual" />
   </span> <span class="img-wrapper"> <span>الاتساق النهائي</span> </span></p>
<p>ومع ذلك، وفقًا لنظرية PACELC، يمكن تقصير زمن انتقال البحث بشكل كبير عند التضحية بالاتساق. ولذلك، فإن الاتساق النهائي هو الأنسب للسيناريوهات التي لا تتطلب طلبًا كبيرًا على اتساق البيانات ولكنها تتطلب أداء بحث فائق السرعة. من الأمثلة على ذلك استرجاع المراجعات والتقييمات لمنتجات أمازون مع الاتساق النهائي.</p>
<h2 id="Endnote" class="common-anchor-header">حاشية ختامية<button data-href="#Endnote" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>بالعودة إلى السؤال المطروح في بداية هذه المقالة، لا تزال البيانات المحذوفة تُعاد كنتائج بحث لأن المستخدم لم يختر مستوى الاتساق المناسب. القيمة الافتراضية لمستوى الاتساق هي الثبات المحدود (<code translate="no">Bounded</code>) في قاعدة بيانات Milvus vector. ولذلك، قد تتأخر قراءة البيانات وقد يحدث أن يتأخر ميلفوس في قراءة عرض البيانات قبل إجراء عمليات الحذف أثناء البحث أو الاستعلام عن التشابه. ومع ذلك، فإن هذه المشكلة سهلة الحل. كل ما عليك فعله هو <a href="https://milvus.io/docs/v2.1.x/tune_consistency.md">ضبط مستوى الاتساق</a> عند إنشاء مجموعة أو إجراء بحث أو استعلام عن تشابه المتجهات. الأمر بسيط!</p>
<p>في المنشور التالي، سنكشف النقاب عن الآلية الكامنة وراء وشرح كيفية تحقيق قاعدة بيانات المتجهات في ميلفوس لمستويات مختلفة من الاتساق. ترقبوا ذلك!</p>
<h2 id="Whats-next" class="common-anchor-header">ما التالي<button data-href="#Whats-next" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>مع الإصدار الرسمي لـ Milvus 2.1، قمنا بإعداد سلسلة من المدونات التي تقدم الميزات الجديدة. اقرأ المزيد في سلسلة المدونات هذه:</p>
<ul>
<li><a href="https://milvus.io/blog/2022-08-08-How-to-use-string-data-to-empower-your-similarity-search-applications.md">كيفية استخدام بيانات السلسلة لتمكين تطبيقات البحث عن التشابه لديك</a></li>
<li><a href="https://milvus.io/blog/embedded-milvus.md">استخدام ميلفوس المدمج لتثبيت وتشغيل ميلفوس مع بايثون على الفور</a></li>
<li><a href="https://milvus.io/blog/in-memory-replicas.md">زيادة إنتاجية قراءة قاعدة بيانات المتجهات باستخدام النسخ المتماثلة في الذاكرة</a></li>
<li><a href="https://milvus.io/blog/understanding-consistency-levels-in-the-milvus-vector-database.md">فهم مستوى الاتساق في قاعدة بيانات Milvus Vector في قاعدة بيانات Milvus</a></li>
<li><a href="https://milvus.io/blog/understanding-consistency-levels-in-the-milvus-vector-database-2.md">فهم مستوى الاتساق في قاعدة بيانات Milvus Vector (الجزء الثاني)</a></li>
<li><a href="https://milvus.io/blog/data-security.md">كيف تضمن قاعدة بيانات Milvus Vector أمان البيانات؟</a></li>
</ul>


فهم مستوى الاتساق في قاعدة بيانات ناقلات ميلفوس

<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/in_memory_replica_af1fa21d61.png" alt="Cover_image" class="doc-image" id="cover_image" />
   </span> <span class="img-wrapper"> <span>صورة_الغلاف</span> </span></p>
<blockquote>
<p>شارك في تأليف هذه المقالة <a href="https://github.com/congqixia">كونغكي شيا</a> <a href="https://www.linkedin.com/in/yiyun-n-2aa713163/">وأنجيلا ني</a>.</p>
</blockquote>
<p>مع إصداره الرسمي، يأتي Milvus 2.1 مع العديد من الميزات الجديدة لتوفير الراحة وتجربة مستخدم أفضل. على الرغم من أن مفهوم النسخ المتماثل داخل الذاكرة ليس شيئًا جديدًا في عالم قواعد البيانات الموزعة، إلا أنه ميزة مهمة يمكن أن تساعدك على تعزيز أداء النظام وتحسين توافر النظام بطريقة سهلة. لذلك، يشرح هذا المنشور ما هي النسخة المتماثلة في الذاكرة وسبب أهميتها، ثم يقدم كيفية تمكين هذه الميزة الجديدة في قاعدة بيانات Milvus، وهي قاعدة بيانات متجهة للذكاء الاصطناعي.</p>
<p><strong>الانتقال إلى:</strong></p>
<ul>
<li><p><a href="#Concepts-related-to-in-memory-replica">المفاهيم المتعلقة بالنسخة المتماثلة في الذاكرة</a></p></li>
<li><p><a href="#What-is-in-memory-replica">ما هي النسخة المتماثلة في الذاكرة؟</a></p></li>
<li><p><a href="#Why-are-in-memory-replicas-important">ما أهمية النسخ المتماثلة في الذاكرة؟</a></p></li>
<li><p><a href="#Enable-in-memory-replicas-in-the-Milvus-vector-database">تمكين النسخ المتماثلة داخل الذاكرة في قاعدة بيانات Milvus المتجهة</a></p></li>
</ul>
<h2 id="Concepts-related-to-in-memory-replica" class="common-anchor-header">المفاهيم المتعلقة بالنسخ المتماثلة داخل الذاكرة<button data-href="#Concepts-related-to-in-memory-replica" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>قبل التعرف على ماهية النسخ المتماثلة في الذاكرة وسبب أهميتها، نحتاج أولاً إلى فهم بعض المفاهيم ذات الصلة بما في ذلك مجموعة النسخ المتماثلة، والنسخة المتماثلة داخل الذاكرة، والنسخة المتماثلة المتدفقة، والنسخة المتماثلة التاريخية، وقائد النسخة المتماثلة. الصورة أدناه هي توضيح لهذه المفاهيم.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/diagram_1_525afc706a.jpg" alt="Replica_concepts" class="doc-image" id="replica_concepts" />
   </span> <span class="img-wrapper"> <span>مفاهيم النسخ المتماثلة</span> </span></p>
<h3 id="Replica-group" class="common-anchor-header">مجموعة النسخ المتماثلة</h3><p>تتكون مجموعة النسخ المتماثلة من <a href="https://milvus.io/docs/v2.1.x/four_layers.md#Query-node">عقد استعلام</a> متعددة مسؤولة عن التعامل مع البيانات التاريخية والنسخ المتماثلة.</p>
<h3 id="Shard-replica" class="common-anchor-header">النسخة المتماثلة للجزء المتماثل</h3><p>تتألف النسخة المتماثلة للجزء من نسخة متماثلة متدفقة ونسخة متماثلة تاريخية، وكلاهما ينتميان إلى نفس <a href="https://milvus.io/blog/deep-dive-1-milvus-architecture-overview.md#Shard">الجزء</a> (أي قناة DML). تشكل النسخ المتماثلة متعددة الأجزاء مجموعة النسخ المتماثلة. ويتم تحديد العدد الدقيق للنسخ المتماثلة للجزء في مجموعة النسخ المتماثلة من خلال عدد الأجزاء في مجموعة محددة.</p>
<h3 id="Streaming-replica" class="common-anchor-header">النسخة المتماثلة المتدفقة</h3><p>تحتوي النسخة المتماثلة المتدفقة على جميع الأجزاء <a href="https://milvus.io/docs/v2.1.x/glossary.md#Segment">المتزايدة</a> من نفس قناة DML. من الناحية الفنية، يجب تقديم نسخة متماثلة متدفقة بواسطة عقدة استعلام واحدة فقط في نسخة متماثلة واحدة.</p>
<h3 id="Historical-replica" class="common-anchor-header">النسخة المتماثلة التاريخية</h3><p>تحتوي النسخة المتماثلة التاريخية على جميع المقاطع المختومة من نفس قناة DML. يمكن توزيع المقاطع المختومة لنسخة متماثلة تاريخية واحدة على عدة عقد استعلام داخل نفس مجموعة النسخ المتماثلة.</p>
<h3 id="Shard-leader" class="common-anchor-header">قائد الجزء</h3><p>قائد الجزء هو عقدة الاستعلام التي تخدم النسخة المتماثلة المتدفقة في نسخة متماثلة للجزء.</p>
<h2 id="What-is-in-memory-replica" class="common-anchor-header">ما هي النسخة المتماثلة داخل الذاكرة؟<button data-href="#What-is-in-memory-replica" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>يتيح لك تمكين النسخ المتماثلة في الذاكرة تحميل البيانات في مجموعة على عقد استعلام متعددة بحيث يمكنك الاستفادة من موارد وحدة المعالجة المركزية والذاكرة الإضافية. تكون هذه الميزة مفيدة جدًا إذا كانت لديك مجموعة بيانات صغيرة نسبيًا ولكنك تريد زيادة إنتاجية القراءة وتحسين الاستفادة من موارد الأجهزة.</p>
<p>تحتوي قاعدة بيانات Milvus vector على نسخة متماثلة واحدة لكل مقطع في الذاكرة في الوقت الحالي. ومع ذلك، مع النسخ المتماثلة في الذاكرة، يمكنك الحصول على نسخ متماثلة متعددة لمقطع ما على عقد استعلام مختلفة. هذا يعني أنه إذا كانت هناك عقدة استعلام واحدة تجري بحثًا على مقطع ما، فيمكن تعيين طلب بحث جديد وارد إلى عقدة استعلام أخرى خاملة لأن عقدة الاستعلام هذه لديها نسخة متماثلة لنفس المقطع بالضبط.</p>
<p>بالإضافة إلى ذلك، إذا كان لدينا نسخ متماثلة متعددة في الذاكرة، يمكننا التعامل بشكل أفضل مع الموقف الذي تتعطل فيه عقدة الاستعلام. في السابق، كان علينا انتظار إعادة تحميل المقطع من أجل المتابعة والبحث في عقدة استعلام أخرى. ومع ذلك، مع النسخ المتماثل داخل الذاكرة، يمكن إعادة إرسال طلب البحث إلى عقدة استعلام جديدة على الفور دون الحاجة إلى إعادة تحميل البيانات مرة أخرى.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/replication_3_1_2c25513cb9.jpg" alt="Replication" class="doc-image" id="replication" />
   </span> <span class="img-wrapper"> <span>النسخ المتماثل</span> </span></p>
<h2 id="Why-are-in-memory-replicas-important" class="common-anchor-header">لماذا تعتبر النسخ المتماثلة في الذاكرة مهمة؟<button data-href="#Why-are-in-memory-replicas-important" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>تتمثل إحدى أهم مزايا تمكين النسخ المتماثلة في الذاكرة في زيادة إجمالي QPS (الاستعلام في الثانية) والإنتاجية. علاوة على ذلك، يمكن الاحتفاظ بنسخ متماثلة متعددة المقاطع ويكون النظام أكثر مرونة في مواجهة حالات الفشل.</p>
<h2 id="Enable-in-memory-replicas-in-the-Milvus-vector-database" class="common-anchor-header">تمكين النسخ المتماثلة داخل الذاكرة في قاعدة بيانات ميلفوس المتجهة<button data-href="#Enable-in-memory-replicas-in-the-Milvus-vector-database" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>إن تمكين الميزة الجديدة للنسخ المتماثلة في الذاكرة أمر سهل في قاعدة بيانات Milvus vector. كل ما عليك فعله هو ببساطة تحديد عدد النسخ المتماثلة التي تريدها عند تحميل مجموعة (أي استدعاء <code translate="no">collection.load()</code>).</p>
<p>في المثال التعليمي التالي، نفترض أنك <a href="https://milvus.io/docs/v2.1.x/create_collection.md">أنشأت</a> بالفعل <a href="https://milvus.io/docs/v2.1.x/create_collection.md">مجموعة</a> باسم "كتاب" <a href="https://milvus.io/docs/v2.1.x/insert_data.md">وأدرجت البيانات</a> فيها. ثم يمكنك تشغيل الأمر التالي لإنشاء نسختين متماثلتين عند <a href="https://milvus.io/docs/v2.1.x/load_collection.md">تحميل</a> مجموعة كتب.</p>
<pre><code translate="no"><span class="hljs-keyword">from</span> pymilvus <span class="hljs-keyword">import</span> Collection
collection = Collection(<span class="hljs-string">&quot;book&quot;</span>)      <span class="hljs-comment"># Get an existing collection.</span>
collection.load(replica_number=<span class="hljs-number">2</span>) <span class="hljs-comment"># load collection as 2 replicas</span>
<button class="copy-code-btn"></button></code></pre>
<p>يمكنك تعديل عدد النسخ المتماثلة بمرونة في المثال التوضيحي أعلاه بما يتناسب مع سيناريو تطبيقك. ثم يمكنك إجراء <a href="https://milvus.io/docs/v2.1.x/search.md">بحث</a> أو <a href="https://milvus.io/docs/v2.1.x/query.md">استعلام</a> تشابه متجه مباشرةً على نسخ متماثلة متعددة دون تشغيل أي أوامر إضافية. ومع ذلك، تجدر الإشارة إلى أن الحد الأقصى لعدد النسخ المتماثلة المسموح به محدود بإجمالي حجم الذاكرة القابلة للاستخدام لتشغيل عقد الاستعلام. إذا تجاوز عدد النسخ المتماثلة التي تحددها حدود الذاكرة القابلة للاستخدام، فسيتم إرجاع خطأ أثناء تحميل البيانات.</p>
<p>يمكنك أيضًا التحقق من معلومات النسخ المتماثلة في الذاكرة التي قمت بإنشائها عن طريق تشغيل <code translate="no">collection.get_replicas()</code>. سيتم إرجاع المعلومات الخاصة بمجموعات النسخ المتماثلة وعقد الاستعلام والقطع المقابلة. فيما يلي مثال على الإخراج.</p>
<pre><code translate="no">Replica <span class="hljs-built_in">groups</span>:
- Group: &lt;group_id:435309823872729305&gt;, &lt;group_nodes:(21, 20)&gt;, &lt;shards:[Shard: &lt;channel_name:milvus-zong-rootcoord-dml_27_435367661874184193v0&gt;, &lt;shard_leader:21&gt;, &lt;shard_nodes:[21]&gt;, Shard: &lt;channel_name:milvus-zong-rootcoord-dml_28_435367661874184193v1&gt;, &lt;shard_leader:20&gt;, &lt;shard_nodes:[20, 21]&gt;]&gt;
- Group: &lt;group_id:435309823872729304&gt;, &lt;group_nodes:(25,)&gt;, &lt;shards:[Shard: &lt;channel_name:milvus-zong-rootcoord-dml_28_435367661874184193v1&gt;, &lt;shard_leader:25&gt;, &lt;shard_nodes:[25]&gt;, Shard: &lt;channel_name:milvus-zong-rootcoord-dml_27_435367661874184193v0&gt;, &lt;shard_leader:25&gt;, &lt;shard_nodes:[25]&gt;]&gt;
<button class="copy-code-btn"></button></code></pre>
<h2 id="Whats-next" class="common-anchor-header">ما التالي<button data-href="#Whats-next" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>مع الإصدار الرسمي ل Milvus 2.1، قمنا بإعداد سلسلة من المدونات التي تقدم الميزات الجديدة. اقرأ المزيد في سلسلة المدونات هذه:</p>
<ul>
<li><a href="https://milvus.io/blog/2022-08-08-How-to-use-string-data-to-empower-your-similarity-search-applications.md">كيفية استخدام بيانات السلسلة لتمكين تطبيقات البحث عن التشابه لديك</a></li>
<li><a href="https://milvus.io/blog/embedded-milvus.md">استخدام ميلفوس المدمج لتثبيت وتشغيل ميلفوس مع بايثون على الفور</a></li>
<li><a href="https://milvus.io/blog/in-memory-replicas.md">زيادة إنتاجية قراءة قاعدة بيانات المتجهات باستخدام النسخ المتماثلة في الذاكرة</a></li>
<li><a href="https://milvus.io/blog/understanding-consistency-levels-in-the-milvus-vector-database.md">فهم مستوى الاتساق في قاعدة بيانات Milvus Vector في قاعدة بيانات Milvus</a></li>
<li><a href="https://milvus.io/blog/understanding-consistency-levels-in-the-milvus-vector-database-2.md">فهم مستوى الاتساق في قاعدة بيانات Milvus Vector (الجزء الثاني)</a></li>
<li><a href="https://milvus.io/blog/data-security.md">كيف تضمن قاعدة بيانات Milvus Vector أمان البيانات؟</a></li>
</ul>


زيادة إنتاجية قراءة قاعدة بيانات المتجهات باستخدام النسخ المتماثلة داخل الذاكرة

<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/Benchmark_Quick_Setup_58cc8eed5b.png" alt="Cover" class="doc-image" id="cover" />
   </span> <span class="img-wrapper"> <span>التغطية</span> </span></p>
<p>قمنا مؤخرًا بتحديث <a href="https://milvus.io/docs/v2.1.x/benchmark.md">التقرير المعياري لـ Milvus 2.1</a>. أثبتت الاختبارات التي أُجريت باستخدام مجموعة بيانات مكونة من مليون ناقل أنه يمكن زيادة QPS بشكل كبير من خلال دمج الاستعلامات ذات العدد <a href="https://milvus.io/docs/v2.1.x/benchmark.md#Terminology">الصغير</a>.</p>
<p>إليك بعض البرامج النصية البسيطة لتتمكن من إعادة إنتاج الاختبارات بسهولة.</p>
<h2 id="Procedures" class="common-anchor-header">الإجراءات<button data-href="#Procedures" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><ol>
<li><p>نشر ميلفوس مستقل أو عنقود. في هذه الحالة، عنوان IP لخادم Milvus هو 10.100.31.105.</p></li>
<li><p>نشر عميل. في هذه الحالة، نستخدم Ubuntu 18.04 و Python 3.8.13 للنشر. قم بتشغيل التعليمات البرمجية التالية لتثبيت PyMilvus 2.1.1.</p></li>
</ol>
<pre><code translate="no">pip install pymilvus==2.1.1
<button class="copy-code-btn"></button></code></pre>
<ol start="3">
<li><p>قم بتنزيل الملفات التالية وانسخها إلى نفس دليل العمل مثل العميل. في هذه الحالة، دليل العمل هو <code translate="no">/go_ben</code>.</p>
<ul>
<li><p><a href="https://github.com/milvus-io/milvus-tools/blob/main/benchmark/collection_prepare.py"><code translate="no">collection_prepare.py</code></a></p></li>
<li><p><a href="https://github.com/milvus-io/milvus-tools/blob/main/benchmark/go_benchmark.py"><code translate="no">go_benchmark.py</code></a></p></li>
<li><p><a href="https://github.com/milvus-io/milvus-tools/blob/main/benchmark/benchmark"><code translate="no">benchmark</code></a> (لأوبونتو) أو <a href="https://github.com/milvus-io/milvus-tools/blob/main/benchmark/benchmark-mac"><code translate="no">benchmark-mac</code></a> (لنظام التشغيل macOS)</p></li>
</ul>
<p><strong>ملاحظة:</strong></p>
<ul>
<li><p><code translate="no">benchmark</code> و <code translate="no">benchmark-mac</code> عبارة عن ملفات قابلة للتنفيذ تم تطويرها وتجميعها باستخدام Go SDK 2.1.1. يتم استخدامها فقط لإجراء بحث متزامن.</p></li>
<li><p>لمستخدمي Ubuntu، يرجى تنزيل <code translate="no">benchmark</code> ؛ لمستخدمي macOS، يرجى تنزيل <code translate="no">benchmark-mac</code>.</p></li>
<li><p>الأذونات القابلة للتنفيذ مطلوبة للوصول إلى <code translate="no">benchmark</code> أو <code translate="no">benchmark-mac</code>.</p></li>
<li><p>يحتاج مستخدمو Mac إلى الوثوق بالملف <code translate="no">benchmark-mac</code> من خلال تكوين الأمان والخصوصية في تفضيلات النظام.</p></li>
<li><p>يمكن العثور على الإعدادات الخاصة بالبحث المتزامن وتعديلها في الكود المصدري <code translate="no">go_benchmark.py</code>.</p></li>
</ul></li>
</ol>
<ol start="4">
<li>قم بإنشاء مجموعة وإدراج بيانات المتجه.</li>
</ol>
<pre><code translate="no">root@milvus-pytest:/go_ben<span class="hljs-comment"># python collection_prepare.py 10.100.31.105 </span>
<button class="copy-code-btn"></button></code></pre>
<ol start="5">
<li>افتح <code translate="no">/tmp/collection_prepare.log</code> للتحقق من نتيجة التشغيل.</li>
</ol>
<pre><code translate="no">...
08/11/2022 17:33:34 PM - INFO - Build index costs 263.626
08/11/2022 17:33:54 PM - INFO - Collection prepared completed
<button class="copy-code-btn"></button></code></pre>
<ol start="6">
<li>اتصل على <code translate="no">benchmark</code> (أو <code translate="no">benchmark-mac</code> على نظام macOS) لإجراء بحث متزامن.</li>
</ol>
<pre><code translate="no">root@milvus-pytest:/go_ben<span class="hljs-meta"># python go_benchmark.py 10.100.31.105 ./benchmark</span>
[<span class="hljs-meta">write_json_file</span>] <span class="hljs-function">Remove <span class="hljs-title">file</span>(<span class="hljs-params">search_vector_file.json</span>).
[write_json_file] Write json <span class="hljs-keyword">file</span>:search_vector_file.json done.
Params of go_benchmark: [&#x27;./benchmark&#x27;, &#x27;locust&#x27;, &#x27;-u&#x27;, &#x27;10.100.31.105:19530&#x27;, &#x27;-q&#x27;, &#x27;search_vector_file.json&#x27;, &#x27;-s&#x27;, &#x27;</span>{\n  <span class="hljs-string">&quot;collection_name&quot;</span>: <span class="hljs-string">&quot;random_1m&quot;</span>,\n  <span class="hljs-string">&quot;partition_names&quot;</span>: [],\n  <span class="hljs-string">&quot;fieldName&quot;</span>: <span class="hljs-string">&quot;embedding&quot;</span>,\n  <span class="hljs-string">&quot;index_type&quot;</span>: <span class="hljs-string">&quot;HNSW&quot;</span>,\n  <span class="hljs-string">&quot;metric_type&quot;</span>: <span class="hljs-string">&quot;L2&quot;</span>,\n  <span class="hljs-string">&quot;params&quot;</span>: {\n    <span class="hljs-string">&quot;sp_value&quot;</span>: <span class="hljs-number">64</span>,\n    <span class="hljs-string">&quot;dim&quot;</span>: <span class="hljs-number">128</span>\n  },\n  <span class="hljs-string">&quot;limit&quot;</span>: <span class="hljs-number">1</span>,\n  <span class="hljs-string">&quot;expr&quot;</span>: <span class="hljs-literal">null</span>,\n  <span class="hljs-string">&quot;output_fields&quot;</span>: [],\n  <span class="hljs-string">&quot;timeout&quot;</span>: <span class="hljs-number">600</span>\n}<span class="hljs-string">&#x27;, &#x27;</span>-p<span class="hljs-string">&#x27;, &#x27;</span><span class="hljs-number">10&#x27;</span>, <span class="hljs-string">&#x27;-f&#x27;</span>, <span class="hljs-string">&#x27;json&#x27;</span>, <span class="hljs-string">&#x27;-t&#x27;</span>, <span class="hljs-string">&#x27;60&#x27;</span>, <span class="hljs-string">&#x27;-i&#x27;</span>, <span class="hljs-string">&#x27;20&#x27;</span>, <span class="hljs-string">&#x27;-l&#x27;</span>, <span class="hljs-string">&#x27;go_log_file.log&#x27;</span>]
[<span class="hljs-meta">2022-08-11 11:37:39.811</span>][    INFO] - Name      <span class="hljs-meta">#   reqs      # fails  |       Avg       Min       Max    Median  |     req/s  failures/s (benchmark_run.go:212:sample)</span>
[<span class="hljs-meta">2022-08-11 11:37:39.811</span>][    INFO] - go search     <span class="hljs-number">9665</span>     <span class="hljs-number">0</span>(<span class="hljs-number">0.00</span>%)  |    <span class="hljs-number">20.679</span>     <span class="hljs-number">6.499</span>    <span class="hljs-number">81.761</span>    <span class="hljs-number">12.810</span>  |    <span class="hljs-number">483.25</span>        <span class="hljs-number">0.00</span> (benchmark_run.go:<span class="hljs-number">213</span>:sample)
[<span class="hljs-meta">2022-08-11 11:37:59.811</span>][    INFO] - Name      <span class="hljs-meta">#   reqs      # fails  |       Avg       Min       Max    Median  |     req/s  failures/s (benchmark_run.go:212:sample)</span>
[<span class="hljs-meta">2022-08-11 11:37:59.811</span>][    INFO] - go search    <span class="hljs-number">19448</span>     <span class="hljs-number">0</span>(<span class="hljs-number">0.00</span>%)  |    <span class="hljs-number">20.443</span>     <span class="hljs-number">6.549</span>    <span class="hljs-number">78.121</span>    <span class="hljs-number">13.401</span>  |    <span class="hljs-number">489.22</span>        <span class="hljs-number">0.00</span> (benchmark_run.go:<span class="hljs-number">213</span>:sample)
[<span class="hljs-meta">2022-08-11 11:38:19.811</span>][    INFO] - Name      <span class="hljs-meta">#   reqs      # fails  |       Avg       Min       Max    Median  |     req/s  failures/s (benchmark_run.go:212:sample)</span>
[<span class="hljs-meta">2022-08-11 11:38:19.811</span>][    INFO] - go search    <span class="hljs-number">29170</span>     <span class="hljs-number">0</span>(<span class="hljs-number">0.00</span>%)  |    <span class="hljs-number">20.568</span>     <span class="hljs-number">6.398</span>    <span class="hljs-number">76.887</span>    <span class="hljs-number">12.828</span>  |    <span class="hljs-number">486.15</span>        <span class="hljs-number">0.00</span> (benchmark_run.go:<span class="hljs-number">213</span>:sample)
[<span class="hljs-meta">2022-08-11 11:38:19.811</span>][   DEBUG] - go search run finished, parallel: <span class="hljs-number">10</span>(benchmark_run.go:<span class="hljs-number">95</span>:benchmark)
[<span class="hljs-meta">2022-08-11 11:38:19.811</span>][    INFO] - Name      <span class="hljs-meta">#   reqs      # fails  |       Avg       Min       Max    Median  |     req/s  failures/s (benchmark_run.go:159:samplingLoop)</span>
[<span class="hljs-meta">2022-08-11 11:38:19.811</span>][    INFO] - go search    <span class="hljs-number">29180</span>     <span class="hljs-number">0</span>(<span class="hljs-number">0.00</span>%)  |    <span class="hljs-number">20.560</span>     <span class="hljs-number">6.398</span>    <span class="hljs-number">81.761</span>    <span class="hljs-number">13.014</span>  |    <span class="hljs-number">486.25</span>        <span class="hljs-number">0.00</span> (benchmark_run.go:<span class="hljs-number">160</span>:samplingLoop)
Result of go_benchmark: {<span class="hljs-string">&#x27;response&#x27;</span>: True, <span class="hljs-string">&#x27;err_code&#x27;</span>: <span class="hljs-number">0</span>, <span class="hljs-string">&#x27;err_message&#x27;</span>: <span class="hljs-string">&#x27;&#x27;</span>} 
<button class="copy-code-btn"></button></code></pre>
<ol start="7">
<li>افتح الملف <code translate="no">go_log_file.log</code> ضمن الدليل الحالي للتحقق من سجل البحث المفصل. فيما يلي معلومات البحث التي يمكنك العثور عليها في سجل البحث.<ul>
<li><p>reqs: عدد طلبات البحث من لحظة حدوث التزامن إلى اللحظة الحالية (الفترة الزمنية الحالية)</p></li>
<li><p>عدد الطلبات الفاشلة: عدد الطلبات الفاشلة كنسبة مئوية من الطلبات الفاشلة في الفترة الزمنية الحالية</p></li>
<li><p>Avg: متوسط زمن الاستجابة للطلب في الفترة الزمنية الحالية (الوحدة: مللي ثانية)</p></li>
<li><p>الحد الأدنى: الحد الأدنى لزمن الاستجابة للطلب في الفترة الزمنية الحالية (الوحدة: مللي ثانية)</p></li>
<li><p>الحد الأقصى: الحد الأقصى لوقت استجابة الطلب في الفترة الزمنية الحالية (الوحدة: مللي ثانية)</p></li>
<li><p>الوسيط: متوسط زمن الاستجابة للطلب في الفترة الزمنية الحالية (الوحدة: مللي ثانية)</p></li>
<li><p>req/ث: عدد الطلبات في الثانية، أي QPS</p></li>
<li><p>حالات الفشل/ث: متوسط عدد الطلبات الفاشلة في الثانية في الفترة الزمنية الحالية</p></li>
</ul></li>
</ol>
<h2 id="Downloading-Scripts-and-Executable-Files" class="common-anchor-header">تنزيل البرامج النصية والملفات القابلة للتنفيذ<button data-href="#Downloading-Scripts-and-Executable-Files" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><ul>
<li><p><a href="https://github.com/milvus-io/milvus-tools/blob/main/benchmark/collection_prepare.py">collection_prepare.py</a></p></li>
<li><p><a href="https://github.com/milvus-io/milvus-tools/blob/main/benchmark/go_benchmark.py">go_benchmark.py</a></p></li>
<li><p><a href="https://github.com/milvus-io/milvus-tools/blob/main/benchmark/benchmark">benchmark</a> لأوبونتو</p></li>
<li><p><a href="https://github.com/milvus-io/milvus-tools/blob/main/benchmark/benchmark-mac">benchmark-mac</a> لنظام التشغيل macOS</p></li>
</ul>
<h2 id="Whats-next" class="common-anchor-header">ما التالي<button data-href="#Whats-next" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>مع الإصدار الرسمي لـ Milvus 2.1، أعددنا سلسلة من المدونات التي تقدم الميزات الجديدة. اقرأ المزيد في سلسلة المدونات هذه:</p>
<ul>
<li><a href="https://milvus.io/blog/2022-08-08-How-to-use-string-data-to-empower-your-similarity-search-applications.md">كيفية استخدام بيانات السلاسل لتمكين تطبيقات البحث عن التشابه لديك</a></li>
<li><a href="https://milvus.io/blog/embedded-milvus.md">استخدام ميلفوس المدمج لتثبيت وتشغيل ميلفوس مع بايثون على الفور</a></li>
<li><a href="https://milvus.io/blog/in-memory-replicas.md">زيادة إنتاجية قراءة قاعدة بيانات المتجهات باستخدام النسخ المتماثلة في الذاكرة</a></li>
<li><a href="https://milvus.io/blog/understanding-consistency-levels-in-the-milvus-vector-database.md">فهم مستوى الاتساق في قاعدة بيانات Milvus Vector في قاعدة بيانات Milvus Vector</a></li>
<li><a href="https://milvus.io/blog/data-security.md">كيف تضمن قاعدة بيانات Milvus Vector أمان البيانات؟</a></li>
</ul>


دليل سريع للمقارنة المعيارية ميلفوس 2.1

<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/embeddded_milvus_1_8132468cac.png" alt="Cover" class="doc-image" id="cover" />
   </span> <span class="img-wrapper"> <span>الغلاف</span> </span></p>
<blockquote>
<p>شارك في تأليف هذه المقالة <a href="https://github.com/soothing-rain/">أليكس جاو</a> <a href="https://www.linkedin.com/in/yiyun-n-2aa713163/">وأنجيلا ني</a>.</p>
</blockquote>
<p>Milvus هي قاعدة بيانات متجهة مفتوحة المصدر لتطبيقات الذكاء الاصطناعي. يوفر مجموعة متنوعة من طرق التثبيت بما في ذلك البناء من التعليمات البرمجية المصدرية، وتثبيت Milvus باستخدام Docker Compose/Helm/APT/YUM/Ansible. يمكن للمستخدمين اختيار إحدى طرق التثبيت حسب أنظمة التشغيل والتفضيلات الخاصة بهم. ومع ذلك، هناك العديد من علماء البيانات ومهندسي الذكاء الاصطناعي في مجتمع Milvus الذين يعملون مع Python ويتوقون إلى طريقة تثبيت أبسط بكثير من تلك المتاحة حاليًا.</p>
<p>ولذلك، أصدرنا Milvus المدمج Milvus، وهو إصدار سهل الاستخدام من Python، إلى جانب Milvus 2.1 لتمكين المزيد من مطوري Python في مجتمعنا. تقدم هذه المقالة ما هو ميلفوس المدمج وتوفر إرشادات حول كيفية تثبيته واستخدامه.</p>
<p><strong>انتقل إلى:</strong></p>
<ul>
<li><a href="#An-overview-of-embedded-Milvus">نظرة عامة على ميلفوس المدمج</a><ul>
<li><a href="#When-to-use-embedded-Milvus">متى تستخدم ميلفوس المدمج؟</a></li>
<li><a href="#A-comparison-of-different-modes-of-Milvus">مقارنة بين الأنماط المختلفة لملفوس المضمنة</a></li>
</ul></li>
<li><a href="#How-to-install-embedded-Milvus">كيفية تثبيت ميلفوس المضمّن</a></li>
<li><a href="#Start-and-stop-embedded-Milvus">بدء تشغيل وإيقاف ميلفوس المضمّن</a></li>
</ul>
<h2 id="An-overview-of-embedded-Milvus" class="common-anchor-header">نظرة عامة على ميلفوس المضمّن<button data-href="#An-overview-of-embedded-Milvus" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>يمكّنك ميلفوس<a href="https://github.com/milvus-io/embd-milvus">المضمّن</a> من تثبيت واستخدام ميلفوس مع بايثون بسرعة. ويمكنه إحضار مثيل Milvus بسرعة ويسمح لك ببدء تشغيل خدمة Milvus وإيقافها متى أردت ذلك. يتم الاحتفاظ بجميع البيانات والسجلات حتى لو قمت بإيقاف Milvus المدمج.</p>
<p>لا يحتوي Milvus المضمّن Milvus نفسه على أي تبعيات داخلية ولا يتطلب تثبيت وتشغيل أي تبعيات تابعة لجهات خارجية مثل etcd و MinIO و Pulsar وغيرها.</p>
<p>كل ما تفعله مع Milvus المدمج، وكل جزء من التعليمات البرمجية التي تكتبها له يمكن ترحيله بأمان إلى أوضاع Milvus الأخرى - الإصدار المستقل أو العنقودي أو السحابي وما إلى ذلك. وهذا يعكس واحدة من أكثر السمات المميزة لـ Milvus المدمج - <strong>"اكتب مرة واحدة، وشغّلها في أي مكان".</strong></p>
<h3 id="When-to-use-embedded-Milvus" class="common-anchor-header">متى تستخدم ميلفوس المدمج؟</h3><p>يتم إنشاء Milvus المدمج و <a href="https://milvus.io/docs/v2.1.x/install-pymilvus.md">PyMilvus</a> المدمج لأغراض مختلفة. يمكنك التفكير في اختيار Milvus المدمج في السيناريوهات التالية:</p>
<ul>
<li><p>تريد استخدام Milvus دون تثبيت Milvus بأي من الطرق المتوفرة <a href="https://milvus.io/docs/v2.1.x/install_standalone-docker.md">هنا</a>.</p></li>
<li><p>تريد استخدام Milvus دون الاحتفاظ بعملية Milvus طويلة الأمد في جهازك.</p></li>
<li><p>كنت تريد استخدام Milvus بسرعة دون بدء عملية Milvus منفصلة ومكونات أخرى مطلوبة مثل etcd و MinIO و Pulsar وغيرها.</p></li>
</ul>
<p>يُقترح <strong>ألا</strong> تستخدم ميلفوس المدمج:</p>
<ul>
<li><p>في بيئة الإنتاج.<em>(لاستخدام Milvus للإنتاج، فكّر في مجموعة Milvus العنقودية أو <a href="https://zilliz.com/cloud">سحابة Zilliz،</a> وهي خدمة Milvus مُدارة بالكامل</em>).</p></li>
<li><p>إذا كان لديك طلب كبير على الأداء.<em>(نسبيًا، قد لا يوفر Milvus المدمج أفضل أداء</em>).</p></li>
</ul>
<h3 id="A-comparison-of-different-modes-of-Milvus" class="common-anchor-header">مقارنة بين أنماط مختلفة من ميلفوس</h3><p>يقارن الجدول أدناه بين عدة أنماط من ميلفوس: ميلفوس المستقل، العنقودي، ميلفوس المدمج، وخدمة Zilliz Cloud، وهي خدمة ميلفوس المدارة بالكامل.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/comparison_ebcd7c5b07.jpeg" alt="comparison" class="doc-image" id="comparison" />
   </span> <span class="img-wrapper"> <span>المقارنة</span> </span></p>
<h2 id="How-to-install-embedded-Milvus" class="common-anchor-header">كيفية تثبيت ميلفوس المدمج؟<button data-href="#How-to-install-embedded-Milvus" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>قبل تثبيت ميلفوس المدمج، يجب عليك أولاً التأكد من تثبيت Python 3.6 أو أحدث. يدعم ميلفوس المدمج أنظمة التشغيل التالية:</p>
<ul>
<li><p>أوبونتو 18.04</p></li>
<li><p>نظام ماك x86_64 &gt;= 10.4</p></li>
<li><p>ماك M1 &gt;= 11.0</p></li>
</ul>
<p>إذا تم استيفاء المتطلبات، يمكنك تشغيل <code translate="no">$ python3 -m pip install milvus</code> لتثبيت Milvus المدمج. يمكنك أيضًا إضافة الإصدار في الأمر لتثبيت إصدار معين من Milvus المدمج. على سبيل المثال، إذا كنت تريد تثبيت الإصدار 2.1.0، فقم بتشغيل <code translate="no">$ python3 -m pip install milvus==2.1.0</code>. وفي وقت لاحق عندما يتم إصدار إصدار إصدار جديد من Milvus المضمن، يمكنك أيضًا تشغيل <code translate="no">$ python3 -m pip install --upgrade milvus</code> لترقية Milvus المضمن إلى أحدث إصدار.</p>
<p>إذا كنت مستخدمًا قديمًا لـ Milvus وقمت بالفعل بتثبيت PyMilvus من قبل وتريد تثبيت Milvus المضمن، يمكنك تشغيل <code translate="no">$ python3 -m pip install --no-deps milvus</code>.</p>
<p>بعد تشغيل أمر التثبيت، تحتاج إلى إنشاء مجلد بيانات لـ Milvus المضمن ضمن <code translate="no">/var/bin/e-milvus</code> عن طريق تشغيل الأمر التالي:</p>
<pre><code translate="no"><span class="hljs-built_in">sudo</span> <span class="hljs-built_in">mkdir</span> -p /var/bin/e-milvus
<span class="hljs-built_in">sudo</span> <span class="hljs-built_in">chmod</span> -R 777 /var/bin/e-milvus
<button class="copy-code-btn"></button></code></pre>
<h2 id="Start-and-stop-embedded-Milvus" class="common-anchor-header">بدء وإيقاف ميلفوس المدمج<button data-href="#Start-and-stop-embedded-Milvus" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>عند نجاح التثبيت، يمكنك بدء تشغيل الخدمة.</p>
<p>إذا كنت تقوم بتشغيل خدمة Milvus المضمنة للمرة الأولى، فأنت بحاجة إلى استيراد Milvus وإعداد Milvus المضمنة أولاً.</p>
<pre><code translate="no">$ python3
Python 3.9.10 (main, Jan 15 2022, 11:40:53)
[Clang 13.0.0 (clang-1300.0.29.3)] on darwin
Type <span class="hljs-string">&quot;help&quot;</span>, <span class="hljs-string">&quot;copyright&quot;</span>, <span class="hljs-string">&quot;credits&quot;</span> or <span class="hljs-string">&quot;license&quot;</span> <span class="hljs-keyword">for</span> more information.
&gt;&gt;&gt; import milvus
&gt;&gt;&gt; milvus.before()
please <span class="hljs-keyword">do</span> the following <span class="hljs-keyword">if</span> you have not already <span class="hljs-keyword">done</span> so:
1. install required dependencies: bash /var/bin/e-milvus/lib/install_deps.sh
2. <span class="hljs-built_in">export</span> LD_PRELOAD=/SOME_PATH/embd-milvus.so
3. <span class="hljs-built_in">export</span> LD_LIBRARY_PATH=<span class="hljs-variable">$LD_LIBRARY_PATH</span>:/usr/lib:/usr/local/lib:/var/bin/e-milvus/lib/
&gt;&gt;&gt;
<button class="copy-code-btn"></button></code></pre>
<p>إذا كنت قد بدأت تشغيل Milvus المضمن بنجاح من قبل وعدت لإعادة تشغيله، يمكنك تشغيل <code translate="no">milvus.start()</code> مباشرةً بعد استيراد Milvus.</p>
<pre><code translate="no">$ python3
Python <span class="hljs-number">3.9</span><span class="hljs-number">.10</span> (main, Jan <span class="hljs-number">15</span> <span class="hljs-number">2022</span>, <span class="hljs-number">11</span>:<span class="hljs-number">40</span>:<span class="hljs-number">53</span>)
[Clang <span class="hljs-number">13.0</span><span class="hljs-number">.0</span> (clang-<span class="hljs-number">1300.0</span><span class="hljs-number">.29</span><span class="hljs-number">.3</span>)] on darwinType <span class="hljs-string">&quot;help&quot;</span>, <span class="hljs-string">&quot;copyright&quot;</span>, <span class="hljs-string">&quot;credits&quot;</span> <span class="hljs-keyword">or</span> <span class="hljs-string">&quot;license&quot;</span> <span class="hljs-keyword">for</span> more information.
<span class="hljs-meta">&gt;&gt;&gt; </span><span class="hljs-keyword">import</span> milvus
<span class="hljs-meta">&gt;&gt;&gt; </span>milvus.start()
&gt;&gt;&gt;
<button class="copy-code-btn"></button></code></pre>
<p>سترى الإخراج التالي إذا كنت قد بدأت تشغيل خدمة Milvus المضمنة بنجاح.</p>
<pre><code translate="no">---<span class="hljs-title class_">Milvus</span> <span class="hljs-title class_">Proxy</span> successfully initialized and ready to serve!---
<button class="copy-code-btn"></button></code></pre>
<p>بعد بدء تشغيل الخدمة، يمكنك بدء تشغيل نافذة طرفية أخرى وتشغيل مثال التعليمات البرمجية لـ &quot;<a href="https://github.com/milvus-io/embd-milvus/blob/main/milvus/examples/hello_milvus.py">Hello Milvus</a>&quot; للتلاعب بـ Milvus المضمن!</p>
<pre><code translate="no"><span class="hljs-comment"># Download hello_milvus script</span>
$ wget https://raw.githubusercontent.com/milvus-io/pymilvus/v2.1.0/examples/hello_milvus.py
<span class="hljs-comment"># Run Hello Milvus </span>
$ python3 hello_milvus.py
<button class="copy-code-btn"></button></code></pre>
<p>عند الانتهاء من استخدام خدمة Milvus المضمنة، نوصي بإيقافها بأمان وتنظيف متغيرات البيئة عن طريق تشغيل الأمر التالي أو الضغط على Ctrl-D.</p>
<pre><code translate="no">&gt;&gt;&gt; milvus.stop()
<span class="hljs-keyword">if</span> you need to clean up the environment variables, run:
<span class="hljs-built_in">export</span> LD_PRELOAD=
<span class="hljs-built_in">export</span> LD_LIBRARY_PATH=
&gt;&gt;&gt;
&gt;&gt;&gt; <span class="hljs-built_in">exit</span>()
<button class="copy-code-btn"></button></code></pre>
<h2 id="Whats-next" class="common-anchor-header">ما التالي<button data-href="#Whats-next" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>مع الإصدار الرسمي لـ Milvus 2.1، أعددنا سلسلة من المدونات التي تقدم الميزات الجديدة. اقرأ المزيد في سلسلة المدونات هذه:</p>
<ul>
<li><a href="https://milvus.io/blog/2022-08-08-How-to-use-string-data-to-empower-your-similarity-search-applications.md">كيفية استخدام بيانات السلسلة لتمكين تطبيقات البحث عن التشابه لديك</a></li>
<li><a href="https://milvus.io/blog/embedded-milvus.md">استخدام ميلفوس المدمج لتثبيت وتشغيل ميلفوس مع بايثون على الفور</a></li>
<li><a href="https://milvus.io/blog/in-memory-replicas.md">زيادة إنتاجية قراءة قاعدة بيانات المتجهات باستخدام النسخ المتماثلة في الذاكرة</a></li>
<li><a href="https://milvus.io/blog/understanding-consistency-levels-in-the-milvus-vector-database.md">فهم مستوى الاتساق في قاعدة بيانات Milvus Vector في قاعدة بيانات Milvus</a></li>
<li><a href="https://milvus.io/blog/understanding-consistency-levels-in-the-milvus-vector-database-2.md">فهم مستوى الاتساق في قاعدة بيانات Milvus Vector (الجزء الثاني)</a></li>
<li><a href="https://milvus.io/blog/data-security.md">كيف تضمن قاعدة بيانات Milvus Vector أمان البيانات؟</a></li>
</ul>


استخدام ميلفوس المدمج لتثبيت وتشغيل ميلفوس مع بايثون على الفور

كيفية استخدام بيانات السلاسل لتمكين تطبيقات البحث عن التشابه لديك

ما الجديد في Milvus 2.1 - نحو البساطة والسرعة

<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/Frame_1282_edc1fb7d99.png" alt="cover image" class="doc-image" id="cover-image" />
   </span> <span class="img-wrapper"> <span>صورة الغلاف</span> </span></p>
<p>إذا كنت تبحث عن خزانة ملابس تتناسب تمامًا مع غرفة نومك أو غرفة القياس الخاصة بك، أراهن أن معظم الناس سيفكرون في تلك المصنوعة حسب المقاس. ومع ذلك، لا يمكن أن تمتد ميزانية الجميع إلى هذا الحد. فماذا عن تلك الجاهزة؟ تكمن المشكلة في هذا النوع من خزانة الملابس في أنها من المحتمل جدًا أن تكون أقل من توقعاتك لأنها ليست مرنة بما يكفي لتلبية احتياجاتك التخزينية الفريدة. بالإضافة إلى ذلك، عند البحث عبر الإنترنت، من الصعب إلى حد ما تلخيص نوع خزانة الملابس التي تبحثين عنها بكلمات رئيسية. من المحتمل جدًا أن تكون الكلمة المفتاحية التي تكتبها في مربع البحث (على سبيل المثال: خزانة ملابس مع صينية مجوهرات) مختلفة تمامًا عن كيفية تعريفها في محرك البحث (على سبيل المثال: خزانة ملابس مع <a href="https://www.ikea.com/us/en/p/komplement-pull-out-tray-with-insert-black-brown-s79249366/">صينية تسحب للخارج مع إدراج</a>).</p>
<p>ولكن بفضل التقنيات الناشئة، يوجد حل! توفر ايكيا، وهي مجموعة متاجر التجزئة للأثاث بالتجزئة، أداة تصميم شهيرة <a href="https://www.ikea.com/us/en/rooms/bedroom/how-to/how-to-design-your-perfect-pax-wardrobe-pub8b76dda0">PAX خزانة</a> الملابس التي تتيح للمستخدمين الاختيار من بين عدد من خزائن الملابس الجاهزة وتخصيص اللون والحجم والتصميم الداخلي لخزائن الملابس. سواءً كنت تحتاج إلى مساحة معلقة أو أرفف متعددة أو أدراج داخلية، فإن نظام التخصيص الذكي لخزانة الملابس هذا يمكنه دائماً تلبية احتياجاتك.</p>
<p>لإيجاد أو بناء خزانة ملابسك المثالية باستخدام نظام تصميم خزانة الملابس الذكي هذا، تحتاج إلى:</p>
<ol>
<li>تحديد المتطلبات الأساسية - الشكل (عادي أو على شكل حرف L أو على شكل حرف U) وطول خزانة الملابس وعمقها.</li>
<li>حدد احتياجاتك التخزينية والتنظيم الداخلي لخزانة الملابس (على سبيل المثال: مساحة معلقة ورف للسحب للسراويل، إلخ).</li>
<li>إضافة أو إزالة أجزاء من خزانة الملابس مثل الأدراج أو الأرفف.</li>
</ol>
<p>ثم يكتمل تصميمك. بسيط وسهل!</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/Pax_system_ff4c3fa182.png" alt="pax system" class="doc-image" id="pax-system" />
   </span> <span class="img-wrapper"> <span>نظام باكس</span> </span></p>
<p>من المكونات المهمة جدًا التي تجعل نظام تصميم خزانة الملابس هذا ممكنًا هو <a href="https://zilliz.com/learn/what-is-vector-database">قاعدة البيانات المتجهة</a>. ولذلك، تهدف هذه المقالة إلى تقديم سير العمل وحلول البحث عن التشابه المستخدمة لبناء نظام تخصيص ذكي لخزانة الملابس مدعوم بالبحث عن التشابه المتجه.</p>
<p>الانتقال إلى:</p>
<ul>
<li><a href="#System-overview">نظرة عامة على النظام</a></li>
<li><a href="#Data-flow">تدفق البيانات</a></li>
<li><a href="#System-demo">عرض توضيحي للنظام</a></li>
</ul>
<h2 id="System-Overview" class="common-anchor-header">نظرة عامة على النظام<button data-href="#System-Overview" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>من أجل تقديم أداة تخصيص ذكية لخزانة الملابس، نحتاج أولاً إلى تحديد منطق العمل وفهم سمات العناصر ورحلة المستخدم. خزائن الملابس مع مكوناتها مثل الأدراج والصواني والرفوف كلها بيانات غير منظمة. ولذلك، فإن الخطوة الثانية هي الاستفادة من خوارزميات وقواعد الذكاء الاصطناعي والمعرفة المسبقة ووصف العناصر وغير ذلك، لتحويل تلك البيانات غير المنظمة إلى نوع من البيانات التي يمكن فهمها بواسطة أجهزة الكمبيوتر - المتجهات!</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/Customization_tool_overview_86d62e1730.png" alt="Customization tool overview" class="doc-image" id="customization-tool-overview" />
   </span> <span class="img-wrapper"> <span>نظرة عامة على أداة التخصيص</span> </span></p>
<p>من خلال المتجهات التي تم إنشاؤها، نحتاج إلى قواعد بيانات متجهات قوية ومحركات بحث لمعالجة تلك المتجهات.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/tool_architecutre_33fb646954.png" alt="tool architecture" class="doc-image" id="tool-architecture" />
   </span> <span class="img-wrapper"> <span>بنية الأداة</span> </span></p>
<p>تستفيد أداة التخصيص من بعض محركات البحث وقواعد البيانات الأكثر شيوعًا: Elasticsearch و <a href="https://milvus.io/">Milvus</a> و PostgreSQL.</p>
<h3 id="Why-Milvus" class="common-anchor-header">لماذا ميلفوس؟</h3><p>يحتوي مكوّن خزانة الملابس على معلومات معقدة للغاية، مثل اللون والشكل والتنظيم الداخلي، وما إلى ذلك. ومع ذلك، فإن الطريقة التقليدية للاحتفاظ ببيانات خزانة الملابس في قاعدة بيانات علائقية بعيدة كل البعد عن أن تكون كافية. الطريقة الشائعة هي استخدام تقنيات التضمين لتحويل خزائن الملابس إلى متجهات. لذلك، نحتاج إلى البحث عن نوع جديد من قواعد البيانات المصممة خصيصًا لتخزين المتجهات والبحث عن التشابه. بعد سبر العديد من الحلول الشائعة، تم اختيار قاعدة بيانات المتجهات <a href="https://github.com/milvus-io/milvus">Milvus</a> لأدائها الممتاز واستقرارها وتوافقها وسهولة استخدامها. الرسم البياني أدناه عبارة عن مقارنة بين العديد من حلول البحث عن المتجهات الشائعة.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/Solution_comparison_d96b8f1dd5.png" alt="solution comparison" class="doc-image" id="solution-comparison" />
   </span> <span class="img-wrapper"> <span>مقارنة الحلول</span> </span></p>
<h3 id="System-workflow" class="common-anchor-header">سير عمل النظام</h3><p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/System_workflow_250c275ec1.png" alt="System workflow" class="doc-image" id="system-workflow" />
   </span> <span class="img-wrapper"> <span>سير عمل النظام</span> </span></p>
<p>يتم استخدام Elasticsearch لتصفية خشنة حسب حجم الخزانة واللون وما إلى ذلك. ثم تمر النتائج التي تمت تصفيتها من خلال قاعدة بيانات المتجهات Milvus للبحث عن التشابه ويتم ترتيب النتائج بناءً على المسافة/التشابه مع متجه الاستعلام. أخيرًا، يتم دمج النتائج وتنقيحها بناءً على رؤى العمل.</p>
<h2 id="Data-flow" class="common-anchor-header">تدفق البيانات<button data-href="#Data-flow" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>يشبه نظام تخصيص خزانة الملابس إلى حد كبير محركات البحث التقليدية وأنظمة التوصية. يحتوي على ثلاثة أجزاء:</p>
<ul>
<li>إعداد البيانات دون اتصال بالإنترنت بما في ذلك تعريف البيانات وتوليدها.</li>
<li>الخدمات عبر الإنترنت بما في ذلك الاستدعاء والترتيب.</li>
<li>المعالجة اللاحقة للبيانات بناءً على منطق العمل.</li>
</ul>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/data_flow_d0d9fa0fca.png" alt="Data flow" class="doc-image" id="data-flow" />
   </span> <span class="img-wrapper"> <span>تدفق البيانات</span> </span></p>
<h3 id="Offline-data-flow" class="common-anchor-header">تدفق البيانات دون اتصال بالإنترنت</h3><ol>
<li>تعريف البيانات باستخدام رؤية الأعمال.</li>
<li>استخدام المعرفة المسبقة لتحديد كيفية دمج المكونات المختلفة وتشكيلها في خزانة ملابس.</li>
<li>التعرف على تسميات ميزات خزانة الملابس وترميز الميزات في بيانات Elasticsearch في ملف <code translate="no">.json</code>.</li>
<li>إعداد بيانات الاستدعاء عن طريق ترميز البيانات غير المهيكلة إلى متجهات.</li>
<li>استخدام قاعدة بيانات Milvus قاعدة بيانات المتجهات لترتيب النتائج المسترجعة التي تم الحصول عليها في الخطوة السابقة.</li>
</ol>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/offline_data_flow_f91ac9cf4c.png" alt="offline data flow" class="doc-image" id="offline-data-flow" />
   </span> <span class="img-wrapper"> <span>تدفق البيانات دون اتصال بالإنترنت</span> </span></p>
<h3 id="Online-data-flow" class="common-anchor-header">تدفق البيانات عبر الإنترنت</h3><ol>
<li>تلقي طلب الاستعلام من المستخدمين وجمع ملفات تعريف المستخدمين.</li>
<li>فهم استعلام المستخدم من خلال تحديد متطلباتهم لخزانة الملابس.</li>
<li>البحث الخشن باستخدام Elasticsearch.</li>
<li>تسجيل النتائج التي تم الحصول عليها من البحث الخشن وترتيبها بناءً على حساب تشابه المتجهات في ميلفوس.</li>
<li>المعالجة اللاحقة وتنظيم النتائج على المنصة الخلفية لإنشاء النتائج النهائية.</li>
</ol>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/online_data_flow_1f2af25cc3.png" alt="online data flow" class="doc-image" id="online-data-flow" />
   </span> <span class="img-wrapper"> <span>تدفق البيانات عبر الإنترنت</span> </span></p>
<h3 id="Data-post-processing" class="common-anchor-header">المعالجة اللاحقة للبيانات</h3><p>يختلف منطق العمل بين كل شركة وأخرى. يمكنك إضافة لمسة نهائية للنتائج من خلال تطبيق منطق العمل الخاص بشركتك.</p>
<h2 id="System-demo" class="common-anchor-header">عرض توضيحي للنظام<button data-href="#System-demo" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>الآن دعنا نرى كيف يعمل النظام الذي بنيناه بالفعل.</p>
<p>تعرض واجهة المستخدم (UI) إمكانية وجود مجموعات مختلفة من مكونات خزانة الملابس.</p>
<p>يتم تصنيف كل مكون حسب ميزته (الحجم واللون وما إلى ذلك) وتخزينه في Elasticsearch (ES). عند تخزين التسميات في ES، هناك أربعة حقول بيانات رئيسية يجب ملؤها: المعرف والعلامات ومسار التخزين وحقول الدعم الأخرى. يتم استخدام ES والبيانات المصنفة في ES لاستدعاء دقيق وتصفية السمات.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/es_d5b0639610.png" alt="es" class="doc-image" id="es" />
   </span> <span class="img-wrapper"> <span>es</span> </span></p>
<p>ثم تُستخدم خوارزميات الذكاء الاصطناعي المختلفة لترميز خزانة الملابس إلى مجموعة من المتجهات. يتم تخزين مجموعات المتجهات في Milvus للبحث عن التشابه والترتيب. تُرجع هذه الخطوة نتائج أكثر دقة ودقة.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/Milvus_38dd93a439.jpeg" alt="Milvus" class="doc-image" id="milvus" />
   </span> <span class="img-wrapper"> <span>ميلفوس</span> </span></p>
<p>يشكل كل من Elasticsearch و Milvus ومكونات النظام الأخرى مجتمعةً منصة تصميم التخصيص ككل. أثناء الاستدعاء، تكون اللغة الخاصة بالمجال (DSL) في Elasticsearch و Milvus على النحو التالي.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/dsl_df60097d23.png" alt="dsl" class="doc-image" id="dsl" />
   </span> <span class="img-wrapper"> <span>dsl</span> </span></p>
<h2 id="Looking-for-more-resources" class="common-anchor-header">هل تبحث عن المزيد من الموارد؟<button data-href="#Looking-for-more-resources" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>تعرف كيف يمكن لقاعدة بيانات Milvus المتجهة تشغيل المزيد من تطبيقات الذكاء الاصطناعي:</p>
<ul>
<li><a href="https://milvus.io/blog/2022-06-23-How-Short-video-Platform-Likee-Removes-Duplicate-Videos-with-Milvus.md">كيف تزيل منصة الفيديو القصيرة Likee مقاطع الفيديو المكررة باستخدام Milvus</a></li>
<li><a href="https://milvus.io/blog/2022-06-20-Zhentu-the-Photo-Fraud-Detector-Based-on-Milvus.md">Zhentu - كاشف الاحتيال في الصور استناداً إلى Milvus</a></li>
</ul>


بناء نظام تخصيص ذكي لخزانة الملابس مدعوم من قاعدة بيانات ميلفوس فيكتور

<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/How_Short_video_Platform_Likee_Removes_Duplicate_Videos_with_Milvus_07bd75ec82.png" alt="Cover image" class="doc-image" id="cover-image" />
   </span> <span class="img-wrapper"> <span>صورة الغلاف</span> </span></p>
<blockquote>
<p>كتب هذا المقال شينيانغ قوه وباويو هان، مهندسان في شركة BIGO، وترجمته <a href="https://www.linkedin.cn/incareer/in/rosie-zhang-694528149">روزي تشانغ</a>.</p>
</blockquote>
<p>شركة BIGO<a href="https://www.bigo.sg/">Technology</a> (BIGO) هي واحدة من أسرع شركات التكنولوجيا السنغافورية نموًا. بدعم من تكنولوجيا الذكاء الاصطناعي، اكتسبت منتجات وخدمات BIGO القائمة على الفيديو شعبية هائلة في جميع أنحاء العالم، مع أكثر من 400 مليون مستخدم في أكثر من 150 دولة. وتشمل هذه المنتجات وخدمات <a href="https://www.bigo.tv/bigo_intro/en.html?hk=true">Bigo Live</a> (البث المباشر) و <a href="https://likee.video/">Likee</a> (مقاطع الفيديو القصيرة).</p>
<p>Likee هي منصة عالمية لإنشاء مقاطع الفيديو القصيرة حيث يمكن للمستخدمين مشاركة لحظاتهم والتعبير عن أنفسهم والتواصل مع العالم. ولزيادة تجربة المستخدم والتوصية بمحتوى عالي الجودة للمستخدمين، تحتاج Likee إلى التخلص من مقاطع الفيديو المكررة من بين الكم الهائل من مقاطع الفيديو التي ينشئها المستخدمون كل يوم، وهو ما لا يمثل مهمة سهلة.</p>
<p>تعرض هذه المدونة كيفية استخدام BIGO لـ <a href="https://milvus.io">Milvus،</a> وهي قاعدة بيانات متجهة مفتوحة المصدر، لإزالة مقاطع الفيديو المكررة بشكل فعال.</p>
<p><strong>الانتقال إلى:</strong></p>
<ul>
<li><a href="#Overview">نظرة عامة</a></li>
<li><a href="#Video-deduplication-workflow">سير عمل إلغاء تكرار الفيديو</a></li>
<li><a href="#System-architecture">بنية النظام</a></li>
<li><a href="#Using-Milvus-vector-database-to-power-similarity-search">استخدام Milvus لتشغيل البحث عن التشابه</a></li>
</ul>
<custom-h1>نظرة عامة</custom-h1><p>Milvus هي قاعدة بيانات متجهة مفتوحة المصدر تتميز ببحث متجه فائق السرعة. بدعم من Milvus، يمكن ل Likee إكمال البحث في غضون 200 مللي ثانية مع ضمان معدل استرجاع مرتفع. وفي الوقت نفسه، من خلال <a href="https://milvus.io/docs/v2.0.x/scaleout.md#Scale-a-Milvus-Cluster">توسيع نطاق Milvus أفقيًا،</a> تزيد Likee بنجاح من إنتاجية الاستعلامات المتجهة، مما يزيد من كفاءتها.</p>
<custom-h1>سير عمل إلغاء تكرار الفيديو</custom-h1><p>كيف يحدد Likee مقاطع الفيديو المكررة؟ في كل مرة يتم فيها إدخال مقطع فيديو استعلام في نظام Likee، يتم تقطيعه إلى 15-20 إطارًا ويتم تحويل كل إطار إلى متجه ميزة. ثم يقوم Likee بالبحث في قاعدة بيانات تضم 700 مليون متجه للعثور على أفضل K أكثر المتجهات تشابهًا. يتوافق كل واحد من أفضل متجهات K مع مقطع فيديو في قاعدة البيانات. يقوم Likee بإجراء المزيد من عمليات البحث المنقّحة للحصول على النتائج النهائية وتحديد مقاطع الفيديو التي ستتم إزالتها.</p>
<custom-h1>بنية النظام</custom-h1><p>دعونا نلقي نظرة فاحصة على كيفية عمل نظام Likee لإزالة الازدواجية في الفيديو باستخدام Milvus. كما هو موضح في الرسم البياني أدناه، ستتم كتابة مقاطع الفيديو الجديدة التي يتم تحميلها إلى Likee إلى نظام تخزين البيانات Kafka في الوقت الفعلي ويستهلكها مستهلكو Kafka. يتم استخراج متجهات الميزات الخاصة بمقاطع الفيديو هذه من خلال نماذج التعلّم العميق، حيث يتم تحويل البيانات غير المهيكلة (الفيديو) إلى متجهات ميزات. يتم تجميع متجهات الميزات هذه بواسطة النظام وإرسالها إلى مدقق التشابه.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/Likee_1_6f7ebcd8fc.png" alt="Architechure of Likee's video de-duplication system" class="doc-image" id="architechure-of-likee's-video-de-duplication-system" />
   </span> <span class="img-wrapper"> <span>التصميم الهندسي لنظام إلغاء ازدواجية الفيديو في Likee</span> </span></p>
<p>ستتم فهرسة ناقلات الميزات المستخرجة بواسطة Milvus وتخزينها في Ceph، قبل أن يتم <a href="https://milvus.io/blog/deep-dive-5-real-time-query.md">تحميلها بواسطة عقدة استعلام Milvus</a> لمزيد من البحث. سيتم أيضًا تخزين معرّفات الفيديو المقابلة لمتجهات الميزات هذه في نفس الوقت في TiDB أو Pika وفقًا للاحتياجات الفعلية.</p>
<h3 id="Using-Milvus-vector-database-to-power-similarity-search" class="common-anchor-header">استخدام قاعدة بيانات متجهات Milvus لتشغيل البحث عن التشابه</h3><p>عند البحث عن متجهات متشابهة، تشكل مليارات البيانات الموجودة، إلى جانب كميات كبيرة من البيانات الجديدة التي يتم إنشاؤها كل يوم، تحديات كبيرة لوظائف محرك البحث عن المتجهات. بعد تحليل شامل، اختارت Likee في النهاية محرك البحث المتجه الموزع Milvus، وهو محرك بحث متجهي موزع ذو أداء عالٍ ومعدل استرجاع مرتفع، لإجراء بحث تشابه المتجهات.</p>
<p>كما هو موضح في الرسم البياني أدناه، يسير إجراء بحث التشابه على النحو التالي:</p>
<ol>
<li><p>أولاً، يُجري برنامج Milvus بحثًا دفعيًا لاستدعاء أفضل 100 متجه متشابه لكل متجه من متجهات السمات المتعددة المستخرجة من فيديو جديد. يرتبط كل متجه مشابه بمعرف الفيديو المقابل له.</p></li>
<li><p>ثانيًا، من خلال مقارنة معرّفات الفيديو، يزيل Milvus مقاطع الفيديو المكررة ويسترجع متجهات الملامح لمقاطع الفيديو المتبقية من TiDB أو Pika.</p></li>
<li><p>أخيرًا، يحسب Milvus التشابه بين كل مجموعة من متجهات الميزات المسترجعة ومتجهات ميزات الفيديو المستعلم ويضع درجات التشابه بينهما. يتم إرجاع معرف الفيديو الذي حصل على أعلى الدرجات كنتيجة. وهكذا يتم الانتهاء من البحث عن تشابه الفيديو.</p></li>
</ol>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/02_a24d251c8f.png" alt="Procedure of a similarity search" class="doc-image" id="procedure-of-a-similarity-search" />
   </span> <span class="img-wrapper"> <span>إجراء بحث التشابه</span> </span></p>
<p>بصفته محرك بحث متجه عالي الأداء، قام ميلفوس بعمل استثنائي في نظام إلغاء ازدواجية الفيديو الخاص بشركة Likee، مما عزز بشكل كبير نمو أعمال الفيديو القصير في BIGO. فيما يتعلق بأعمال الفيديو، هناك العديد من السيناريوهات الأخرى التي يمكن تطبيق Milvus عليها، مثل حظر المحتوى غير القانوني أو التوصية بمقاطع الفيديو المخصصة. تتطلع كل من BIGO و Milvus إلى التعاون المستقبلي في المزيد من المجالات.</p>


كيف تزيل منصة مقاطع الفيديو القصيرة Likee مقاطع الفيديو المكررة باستخدام Milvus

بحث تشابه سريع وقابل للتطوير باستخدام قاعدة بيانات Milvus Vector

<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/zhentu_0ae11c98ee.png" alt="cover image" class="doc-image" id="cover-image" />
   </span> <span class="img-wrapper"> <span>صورة الغلاف</span> </span></p>
<blockquote>
<p>كتب هذا المقال يان شي ومينوي تانغ، وهما مهندسا خوارزمية أول في شركة BestPay، وترجمته <a href="https://www.linkedin.cn/incareer/in/rosie-zhang-694528149">روزي تشانغ</a>.</p>
</blockquote>
<p>في السنوات الأخيرة، مع شيوع التجارة الإلكترونية والمعاملات عبر الإنترنت في جميع أنحاء العالم، ازدهرت عمليات الاحتيال في التجارة الإلكترونية أيضًا. فمن خلال استخدام الصور التي يتم إنشاؤها بواسطة الكمبيوتر بدلاً من الصور الحقيقية لتمرير عملية التحقق من الهوية على منصات الأعمال التجارية عبر الإنترنت، ينشئ المحتالون حسابات مزيفة ضخمة ويستفيدون من العروض الخاصة للشركات (مثل هدايا العضوية والقسائم والرموز المميزة)، مما يجلب خسائر لا يمكن تعويضها لكل من المستهلكين والشركات.</p>
<p>لم تعد الأساليب التقليدية للتحكم في المخاطر فعالة في مواجهة الكم الهائل من البيانات. ولحل هذه المشكلة، أنشأت <a href="https://www.bestpay.com.cn">BestPay</a> جهاز كشف الاحتيال بالصور، وهو Zhentu (أي كشف الصور باللغة الصينية)، استنادًا إلى تقنيات التعلم العميق (DL) ومعالجة الصور الرقمية (DIP). ويمكن تطبيق Zhentu على سيناريوهات مختلفة تتضمن التعرف على الصور، ومن أهم فروعه التعرف على التراخيص التجارية المزيفة. إذا كانت صورة الرخصة التجارية التي أرسلها أحد المستخدمين مشابهة جدًا لصورة أخرى موجودة بالفعل في مكتبة صور المنصة، فمن المحتمل أن يكون المستخدم قد سرق الصورة من مكان ما أو زوّر الرخصة لأغراض احتيالية.</p>
<p>الخوارزميات التقليدية لقياس تشابه الصور، مثل <a href="https://en.wikipedia.org/wiki/Peak_signal-to-noise_ratio">PSNR</a> و ORB، بطيئة وغير دقيقة، ولا تنطبق إلا على المهام غير المتصلة بالإنترنت. أما التعلم العميق، من ناحية أخرى، فهو قادر على معالجة بيانات الصور على نطاق واسع في الوقت الحقيقي، وهو الطريقة المثلى لمطابقة الصور المتشابهة. وبفضل الجهود المشتركة بين فريق البحث والتطوير في BestPay <a href="https://milvus.io/">ومجتمع Milvus،</a> تم تطوير نظام للكشف عن الاحتيال في الصور كجزء من Zhentu. يعمل هذا النظام من خلال تحويل كميات هائلة من بيانات الصور إلى متجهات للسمات من خلال نماذج التعلم العميق وإدراجها في <a href="https://milvus.io/">Milvus،</a> وهو محرك بحث متجه. باستخدام Milvus، يستطيع نظام الكشف فهرسة تريليونات من المتجهات واسترجاع الصور المتشابهة بكفاءة من بين عشرات الملايين من الصور.</p>
<p><strong>الانتقال إلى:</strong></p>
<ul>
<li><a href="#an-overview-of-zhentu">نظرة عامة على Zhentu</a></li>
<li><a href="#system-structure">هيكل النظام</a></li>
<li><a href="#deployment"><strong>النشر</strong></a></li>
<li><a href="#real-world-performance"><strong>الأداء في العالم الحقيقي</strong></a></li>
<li><a href="#reference"><strong>المرجع</strong></a></li>
<li><a href="#about-bestpay"><strong>حول BestPay</strong></a></li>
</ul>
<h2 id="An-overview-of-Zhentu" class="common-anchor-header">نظرة عامة على Zhentu<button data-href="#An-overview-of-Zhentu" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>Zhentu هو منتج التحكم في المخاطر المرئية متعدد الوسائط المصمم ذاتيًا من BestPay والمتكامل بعمق مع تقنيات التعلم الآلي (ML) والشبكة العصبية للتعرف على الصور. يمكن لخوارزميته المدمجة تحديد المحتالين بدقة أثناء مصادقة المستخدم والاستجابة على مستوى أجزاء من الثانية. وبفضل تقنيتها الرائدة في المجال وحلولها المبتكرة، فازت Zhentu بخمس براءات اختراع واثنين من حقوق التأليف والنشر للبرمجيات. ويجري استخدامه الآن في عدد من البنوك والمؤسسات المالية للمساعدة في تحديد المخاطر المحتملة مسبقاً.</p>
<h2 id="System-structure" class="common-anchor-header">هيكل النظام<button data-href="#System-structure" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>يحتوي BestPay حاليًا على أكثر من 10 ملايين صورة من رخص الأعمال التجارية، ولا يزال الحجم الفعلي ينمو بشكل كبير مع نمو الأعمال. من أجل استرداد الصور المتشابهة بسرعة من قاعدة البيانات الكبيرة هذه، اختارت Zhentu نظام Milvus كمحرك لحساب تشابه متجه الميزة. يظهر الهيكل العام لنظام الكشف عن الاحتيال في الصور في الرسم البياني أدناه.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/Structure_of_the_photo_fraud_detection_system_cf5d20d431.png" alt="img" class="doc-image" id="img" />
   </span> <span class="img-wrapper"> <span>img</span> </span></p>
<p>يمكن تقسيم الإجراء إلى أربع خطوات:</p>
<ol>
<li><p>المعالجة المسبقة للصور. تضمن المعالجة المسبقة، بما في ذلك الحد من الضوضاء وإزالة الضوضاء وتحسين التباين، سلامة المعلومات الأصلية وإزالة المعلومات غير المفيدة من إشارة الصورة.</p></li>
<li><p>استخراج متجه الميزة. يتم استخدام نموذج تعلّم عميق مدرّب خصيصاً لاستخراج متجهات الميّزات الخاصة بالصورة. يعد تحويل الصور إلى متجهات لمزيد من البحث عن التشابه عملية روتينية.</p></li>
<li><p>التطبيع. يساعد تطبيع متجهات السمات المستخرجة على تحسين كفاءة المعالجة اللاحقة.</p></li>
<li><p>البحث عن المتجهات باستخدام ميلفوس. إدراج متجهات السمات المعيارية في قاعدة بيانات Milvus للبحث عن تشابه المتجهات.</p></li>
</ol>
<h2 id="Deployment" class="common-anchor-header"><strong>النشر</strong><button data-href="#Deployment" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>فيما يلي وصف موجز لكيفية نشر نظام Zhentu للكشف عن الاحتيال في الصور.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/milvus_architecture_ea45a5ab53.png" alt="Milvus system architecture" class="doc-image" id="milvus-system-architecture" />
   </span> <span class="img-wrapper"> <span>بنية نظام ميلفوس</span> </span></p>
<p>قمنا بنشر <a href="https://milvus.io/docs/v2.0.x/install_cluster-helm.md">مجموعة Milvus على Kubernetes</a> لضمان التوافر العالي والمزامنة في الوقت الحقيقي للخدمات السحابية. الخطوات العامة هي كما يلي:</p>
<ol>
<li><p>عرض الموارد المتاحة. قم بتشغيل الأمر <code translate="no">kubectl describe nodes</code> لمعرفة الموارد التي يمكن لمجموعة Kubernetes تخصيصها للحالات التي تم إنشاؤها.</p></li>
<li><p>تخصيص الموارد. قم بتشغيل الأمر <code translate="no">kubect`` -- apply xxx.yaml</code> لتخصيص موارد الذاكرة ووحدة المعالجة المركزية لمكونات مجموعة ميلفوس باستخدام Helm.</p></li>
<li><p>قم بتطبيق التكوين الجديد. قم بتشغيل الأمر <code translate="no">helm upgrade my-release milvus/milvus --reuse-values -fresources.yaml</code>.</p></li>
<li><p>قم بتطبيق التكوين الجديد على مجموعة مالفوس العنقودية. لا تسمح لنا الكتلة التي تم نشرها بهذه الطريقة بتعديل سعة النظام وفقًا لاحتياجات العمل المختلفة فحسب، بل تلبي أيضًا متطلبات الأداء العالي لاسترجاع البيانات المتجهة الضخمة بشكل أفضل.</p></li>
</ol>
<p>يمكنك <a href="https://milvus.io/docs/v2.0.x/configure-docker.md">تكوين Milvus</a> لتحسين أداء البحث لأنواع مختلفة من البيانات من سيناريوهات الأعمال المختلفة، كما هو موضح في المثالين التاليين.</p>
<p>عند <a href="https://milvus.io/docs/v2.0.x/build_index.md">إنشاء الفهرس المت</a>جه، نقوم بتكوين الفهرس وفقًا للسيناريو الفعلي للنظام على النحو التالي:</p>
<pre><code translate="no" class="language-Python">index = {<span class="hljs-string">&quot;index_type&quot;</span>: <span class="hljs-string">&quot;IVF_PQ&quot;</span>, <span class="hljs-string">&quot;params&quot;</span>: {<span class="hljs-string">&quot;nlist&quot;</span>: <span class="hljs-number">2048</span>}, <span class="hljs-string">&quot;metric_type&quot;</span>: <span class="hljs-string">&quot;IP&quot;</span>}
<button class="copy-code-btn"></button></code></pre>
<p>يقوم<a href="https://milvus.io/docs/v2.0.x/index.md#IVF_PQ">IVF_PQ</a> بإجراء تجميع فهرس IVF قبل تكميم حاصل ضرب المتجهات. وهو يتميز باستعلام عالي السرعة على القرص واستهلاك منخفض جدًا للذاكرة، وهو ما يلبي احتياجات التطبيق الواقعي لـ Zhentu.</p>
<p>إلى جانب ذلك، قمنا بتعيين معلمات البحث المثلى على النحو التالي:</p>
<pre><code translate="no" class="language-Python">search_params = {<span class="hljs-string">&quot;metric_type&quot;</span>: <span class="hljs-string">&quot;IP&quot;</span>, <span class="hljs-string">&quot;params&quot;</span>: {<span class="hljs-string">&quot;nprobe&quot;</span>: <span class="hljs-number">32</span>}}
<button class="copy-code-btn"></button></code></pre>
<p>نظرًا لأن المتجهات قد تم تطبيعها بالفعل قبل إدخالها في Milvus، يتم اختيار الضرب الداخلي (IP) لحساب المسافة بين متجهين. أثبتت التجارب أن معدل الاسترجاع يرتفع بنسبة 15% تقريبًا باستخدام الضرب الداخلي (IP) مقارنةً باستخدام المسافة الإقليدية (L2).</p>
<p>توضح الأمثلة المذكورة أعلاه أنه يمكننا اختبار معلمات Milvus وتعيينها وفقًا لسيناريوهات العمل ومتطلبات الأداء المختلفة.</p>
<p>بالإضافة إلى ذلك، لا يدمج Milvus مكتبات الفهارس المختلفة فحسب، بل يدعم أيضًا أنواع الفهارس المختلفة وطرق حساب التشابه. كما يوفر Milvus أيضًا حزم SDKs رسمية بلغات متعددة وواجهات برمجة تطبيقات غنية للإدراج والاستعلام وما إلى ذلك، مما يسمح لمجموعات الأعمال الأمامية لدينا باستخدام حزم SDKs لاستدعاء مركز التحكم في المخاطر.</p>
<h2 id="Real-world-performance" class="common-anchor-header"><strong>الأداء الواقعي</strong><button data-href="#Real-world-performance" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>حتى الآن، يعمل نظام الكشف عن الاحتيال بالصور بشكل مطرد، مما يساعد الشركات على تحديد المحتالين المحتملين. ففي عام 2021، اكتشف النظام أكثر من 20,000 رخصة مزيفة على مدار العام. من حيث سرعة الاستعلام، يستغرق الاستعلام عن متجه واحد من بين عشرات الملايين من المتجهات أقل من ثانية واحدة، ومتوسط وقت الاستعلام الدفعي أقل من 0.08 ثانية. يلبي بحث Milvus عالي الأداء احتياجات الشركات من حيث الدقة والتزامن على حد سواء.</p>
<h2 id="Reference" class="common-anchor-header"><strong>المرجع</strong><button data-href="#Reference" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>Aglave P, Kolkure V. S. تنفيذ طريقة استخراج الميزات عالية الأداء باستخدام خوارزمية موجزة سريعة ومدورة موجهة [J]. Int. J. Res. Eng. Technol, 2015, 4: 394-397.</p>
<h2 id="About-BestPay" class="common-anchor-header"><strong>نبذة عن BestPay</strong><button data-href="#About-BestPay" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>شركة تشاينا تيليكوم بيست باي المحدودة هي شركة تابعة مملوكة بالكامل لشركة تشاينا تيليكوم. وهي تدير أعمال الدفع والتمويل. وتلتزم BestPay باستخدام التقنيات المتطورة مثل البيانات الضخمة والذكاء الاصطناعي والحوسبة السحابية لتمكين الابتكار في مجال الأعمال، وتوفير منتجات ذكية وحلول ذكية للتحكم في المخاطر وغيرها من الخدمات. وحتى يناير 2016، استقطب التطبيق المسمى BestPay أكثر من 200 مليون مستخدم وأصبح ثالث أكبر مشغل لمنصة دفع في الصين، بعد Alipay وWeChat Payment.</p>


Zhentu - كاشف الاحتيال في الصور استنادًا إلى ميلفوس

طوافة أم لا؟ أفضل حل لاتساق البيانات في قواعد البيانات السحابية الأصلية

ما هي قوى البحث عن التشابه في قاعدة بيانات متجهات ميلفوس؟

كيف تفهم قاعدة البيانات استعلامك وتنفذه؟

ضمان جودة برمجيات المصدر المفتوح (OSS) - دراسة حالة ميلفوس

<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/20220516_163732_d40acac221.png" alt="Cover image" class="doc-image" id="cover-image" />
   </span> <span class="img-wrapper"> <span>صورة الغلاف</span> </span></p>
<p>لقد حققنا مؤخرًا إنجازًا مذهلًا في رحلة قاعدة البيانات المتجهة - أكثر من 10 آلاف نجمة على <a href="https://github.com/milvus-io/milvus">ريبو GitHub الخاص بـ Milvus</a>. شكرًا لكل واحد منكم الذين دعمونا من خلال منحنا نجمة ⭐️.</p>
<p>لقد مرت 2.5 سنة رائعة منذ أن أصبح ميلفوس مشروعًا مفتوح المصدر. عندما بدأنا لأول مرة، كان عدد قليل جدًا من الناس يفهمون بالضبط ما هي قاعدة بيانات المتجهات، ناهيك عن الحديث عن كيفية تمكين وتسريع اعتماد الذكاء الاصطناعي في حياتنا اليومية. تحمل قاعدة البيانات المتجهة Milvus رؤيتنا لتحديد وبناء قاعدة بيانات الجيل التالي للذكاء الاصطناعي. نحن نجمع بين خوارزميات SOTA والتقنيات السحابية في مشروع Milvus حتى يتمكن المطورون من بناء تطبيقات الذكاء الاصطناعي بسهولة باستخدام قاعدة بيانات Milvus vector.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/Milvus_0_10000_d50a914332.gif" alt="Gif2" class="doc-image" id="gif2" />
   </span> <span class="img-wrapper"> <span>Gif2</span> </span></p>
<div align="center">انقر <a href="https://www.youtube.com/watch?v=zIAX_oPI2Jk&ab_channel=Milvus-VectorDatabase">هنا</a> لمشاهدة الفيديو الكامل لتصور تطوير مستودع ميلفوس لتطوير قاعدة بيانات Milvus.</div>
<p><br/></p>
<p>هناك العديد من <a href="https://github.com/milvus-io/milvus">المشاريع الرائعة</a> التي وضعت الأساس لـ Milvus، ونحن ممتنون لوقوفنا على أكتاف العمالقة. فلولاهم لما وُجدت ميلفوس.</p>
<p>نحن أيضًا ممتنون للغاية لمجتمعنا الرائع، الذي ساعد في فتح فصل مثير لهذا النوع الجديد من قواعد البيانات. قبل أن نتطلع إلى الأمام، نريد أن نتوقف لحظة للتفكير في هذه الرحلة، ونلقي نظرة على معالمنا ونشكر مطورينا ونعترف لهم بالفضل ونشكرهم:</p>
<ul>
<li>لقد انضممنا إلى مؤسسة LF للذكاء الاصطناعي والبيانات على مستوى <a href="https://lfaidata.foundation/blog/2020/04/02/milvus-joins-lf-ai-as-new-incubation-project/">الاحتضان،</a> ووجدنا موطننا إلى جانب العديد من مشاريع الذكاء الاصطناعي والبيانات مفتوحة المصدر الرائعة الأخرى. والآن أصبح مشروع Milvus <a href="https://lfaidata.foundation/blog/2021/06/23/lf-ai-data-foundation-announces-graduation-of-milvus-project/">مشروع تخرج</a> بالفعل.</li>
<li>قمنا بتسليم إصدارين رئيسيين: <a href="https://milvus.io/docs/v1.0.0/announcement.md">Milvus 1.0</a> و <a href="https://milvus.io/docs/v2.0.x/comparison.md">Milvus 2.0</a>.</li>
<li>تم نشر ورقة SIGMOD: <a href="https://dl.acm.org/doi/abs/10.1145/3448016.3457550">ميلفوس: نظام إدارة بيانات المتجهات المصمم لغرض معين</a>.</li>
<li>لدينا حاليًا أكثر من 10,000 عضو في المجتمع وأكثر من 220 مساهمًا في جميع أنحاء العالم.</li>
<li>هناك أكثر من <a href="https://milvus.io/">1000 مستخدم من الشركات</a> الذين اعتمدوا ميلفوس. من بينهم العديد من رواد الصناعة.</li>
</ul>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/Milvus_10000_star_timeline_3sec_de1a7c906a.gif" alt="Timeline gif" class="doc-image" id="timeline-gif" />
   </span> <span class="img-wrapper"> <span>الجدول الزمني</span> </span></p>
<p>كل هذا أصبح ممكناً فقط من خلال كل شخص يساهم. شكرًا لكم على طلبات السحب وتقارير المشكلات ورسائل البريد الإلكتروني والاجتماعات ومشاركة معرفتكم بـ Milvus. أنتم جميعاً تلعبون دوراً قيماً في تقدم ميلفوس.</p>
<h2 id="Special-event" class="common-anchor-header">حدث خاص<button data-href="#Special-event" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>بمناسبة هذا الحدث المميز، أعددنا هدية شكر صغيرة - <a href="https://assets.zilliz.com/10_K_stars_2b2e0e0b36.png">خلفية سطح مكتب قابلة للتنزيل</a>. آمل أن تستمتعوا بها!</p>
<p>سيكون من الرائع أن تساعدوا في <a href="https://twitter.com/milvusio">نشر الخبر</a>! ❤️</p>


خطوة صغيرة من أجل ميلفوس - 10,000 نجمة

استخدام قاعدة بيانات متجهات ميلفوس للاستعلام في الوقت الحقيقي

إدراج البيانات وثبات البيانات في قاعدة بيانات المتجهات

كيف تتم معالجة البيانات في قاعدة بيانات المتجهات؟

<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/20220322_175856_e8e7bea7dc.png" alt="Cover image" class="doc-image" id="cover-image" />
   </span> <span class="img-wrapper"> <span>صورة الغلاف</span> </span></p>
<p>بقلم <a href="https://github.com/XuanYang-cn">شوان يانغ</a></p>
<h2 id="Background" class="common-anchor-header">الخلفية<button data-href="#Background" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>يوضح الرسم التوضيحي التالي التفاعل بين حزم تطوير البرمجيات SDKs و Milvus من خلال gRPC. تخيل أن ميلفوس هو صندوق أسود. تُستخدم المخازن المؤقتة للبروتوكول لتحديد واجهات الخادم وهيكل المعلومات التي تحملها. لذلك، يتم تعريف جميع العمليات في الصندوق الأسود Milvus بواسطة واجهة برمجة تطبيقات البروتوكول.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/SDK_10c9673111.png" alt="Interaction" class="doc-image" id="interaction" />
   </span> <span class="img-wrapper"> <span>التفاعل</span> </span></p>
<h2 id="Milvus-Protocol-API" class="common-anchor-header">واجهة برمجة تطبيقات بروتوكول ميلفوس<button data-href="#Milvus-Protocol-API" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>تتكون واجهة برمجة تطبيقات بروتوكول ميلفوس من <code translate="no">milvus.proto</code> و <code translate="no">common.proto</code> و <code translate="no">schema.proto</code> ، وهي ملفات مخازن بروتوكول مؤقتة ملحقة بـ <code translate="no">.proto</code>. لضمان التشغيل السليم، يجب أن تتفاعل حزم SDKs مع Milvus مع ملفات المخازن المؤقتة للبروتوكول هذه.</p>
<h3 id="milvusproto" class="common-anchor-header">milvus.proto</h3><p><code translate="no">milvus.proto</code> هو المكون الحيوي لواجهة برمجة تطبيقات بروتوكول ميلفوس لأنه يحدد <code translate="no">MilvusService</code> ، والذي يحدد كذلك جميع واجهات RPC الخاصة بـ Milvus.</p>
<p>يوضح نموذج الكود التالي الواجهة <code translate="no">CreatePartitionRequest</code>. وهي تحتوي على معلمتين رئيسيتين من نوع السلسلة <code translate="no">collection_name</code> و <code translate="no">partition_name</code> ، والتي يمكنك بناءً عليها بدء طلب إنشاء قسم.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/code_d5f034d58d.png" alt="CreatePartitionRequest" class="doc-image" id="createpartitionrequest" />
   </span> <span class="img-wrapper"> <span>CreatePartitionRequest</span> </span></p>
<p>تحقق من مثال على البروتوكول في <a href="https://github.com/milvus-io/milvus-proto/blob/44f59db22b27cc55e4168c8e53b6e781c010a713/proto/milvus.proto">مستودع PyMilvus GitHub</a> في السطر 19.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/create_partition_938691f07f.png" alt="Example" class="doc-image" id="example" />
   </span> <span class="img-wrapper"> <span>مثال</span> </span></p>
<p>يمكنك العثور على تعريف <code translate="no">CreatePartitionRequest</code> هنا.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/20220321_112254_4ec4f35bd3.png" alt="Definition" class="doc-image" id="definition" />
   </span> <span class="img-wrapper"> <span>التعريف</span> </span></p>
<p>نرحب بالمساهمين الذين يرغبون في تطوير ميزة من ميلفوس أو مجموعة تطوير البرمجيات بلغة برمجة مختلفة للعثور على جميع الواجهات التي يقدمها ميلفوس عبر RPC.</p>
<h3 id="commonproto" class="common-anchor-header">common.proto</h3><p><code translate="no">common.proto</code> يحدد الأنواع الشائعة من المعلومات، بما في ذلك <code translate="no">ErrorCode</code> ، و <code translate="no">Status</code>.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/20220321_112303_eaafc432a8.png" alt="common.proto" class="doc-image" id="common.proto" />
   </span> <span class="img-wrapper"> <span>common.proto</span> </span></p>
<h3 id="schemaproto" class="common-anchor-header">schema.proto</h3><p><code translate="no">schema.proto</code> يحدد المخطط في المعلمات. نموذج الكود التالي هو مثال على <code translate="no">CollectionSchema</code>.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/20220321_112313_df4ebe36e7.png" alt="schema.proto" class="doc-image" id="schema.proto" />
   </span> <span class="img-wrapper"> <span>schema.proto</span> </span></p>
<p><code translate="no">milvus.proto</code>و <code translate="no">common.proto</code> ، و <code translate="no">schema.proto</code> معًا يشكلان معًا واجهة برمجة التطبيقات الخاصة بـ Milvus، ويمثلان جميع العمليات التي يمكن استدعاؤها عبر RPC.</p>
<p>إذا بحثت في التعليمات البرمجية المصدرية ولاحظت بعناية، ستجد أنه عند استدعاء واجهات مثل <code translate="no">create_index</code> ، فإنها في الواقع تستدعي واجهات RPC متعددة مثل <code translate="no">describe_collection</code> و <code translate="no">describe_index</code>. العديد من الواجهات الخارجية لـ Milvus هي مزيج من واجهات RPC متعددة.</p>
<p>بعد فهم سلوكيات RPC، يمكنك بعد ذلك تطوير ميزات جديدة لـ Milvus من خلال الجمع. أنت أكثر من مرحب بك لاستخدام خيالك وإبداعك والمساهمة في مجتمع Milvus.</p>
<h2 id="PyMilvus-20" class="common-anchor-header">PyMilvus 2.0<button data-href="#PyMilvus-20" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><h3 id="Object-relational-mapping-ORM" class="common-anchor-header">رسم الخرائط العلاقة بين الكائنات (ORM)</h3><p>باختصار، يشير التعيين العلائقي للكائنات (ORM) إلى أنه عندما تعمل على كائن محلي، فإن هذه العمليات ستؤثر على الكائن المقابل على الخادم. يتميز PyMilvus ORM-style API بالخصائص التالية:</p>
<ol>
<li>تعمل مباشرة على الكائنات.</li>
<li>يعزل منطق الخدمة وتفاصيل الوصول إلى البيانات.</li>
<li>يخفي تعقيدات التنفيذ، ويمكنك تشغيل نفس البرامج النصية عبر مثيلات Milvus المختلفة بغض النظر عن أساليب النشر أو التنفيذ.</li>
</ol>
<h3 id="ORM-style-API" class="common-anchor-header">واجهة برمجة تطبيقات بنمط ORM</h3><p>يكمن أحد جوهر واجهة برمجة التطبيقات بنمط ORM في التحكم في اتصال Milvus. على سبيل المثال، يمكنك تحديد أسماء مستعارة لعدة خوادم Milvus، والاتصال بها أو قطع الاتصال بها فقط باستخدام الأسماء المستعارة الخاصة بها. يمكنك حتى حذف عنوان الخادم المحلي، والتحكم في كائنات معينة عبر اتصال محدد بدقة.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/20220321_112320_d5ff08a582.png" alt="Control Connection" class="doc-image" id="control-connection" />
   </span> <span class="img-wrapper"> <span>التحكم في الاتصال</span> </span></p>
<p>ميزة أخرى لواجهة برمجة التطبيقات على غرار ORM هي أنه بعد التجريد، يمكن إجراء جميع العمليات مباشرةً على الكائنات، بما في ذلك التجميع والتقسيم والفهرس.</p>
<p>يمكنك تجريد كائن مجموعة عن طريق الحصول على كائن موجود أو إنشاء كائن جديد. يمكنك أيضًا تعيين اتصال Milvus إلى كائنات محددة باستخدام اسم مستعار للاتصال، بحيث يمكنك العمل على هذه الكائنات محليًا.</p>
<p>لإنشاء كائن تقسيم، يمكنك إما إنشاؤه مع كائن المجموعة الأصل، أو يمكنك القيام بذلك تمامًا كما تفعل عند إنشاء كائن مجموعة. يمكن استخدام هذه الطرق على كائن فهرس أيضًا.</p>
<p>في حالة وجود كائنات التقسيم أو كائنات الفهرس هذه، يمكنك الحصول عليها من خلال كائن المجموعة الأصل.</p>
<h2 id="About-the-Deep-Dive-Series" class="common-anchor-header">حول سلسلة التعمّق<button data-href="#About-the-Deep-Dive-Series" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>مع <a href="https://milvus.io/blog/2022-1-25-annoucing-general-availability-of-milvus-2-0.md">الإعلان الرسمي عن توفر</a> الإصدار 2.0 من Milvus 2.0 بشكل عام، قمنا بتنظيم سلسلة مدونة Milvus Deep Dive هذه لتقديم تفسير متعمق لبنية Milvus ورمز المصدر. تشمل الموضوعات التي تتناولها سلسلة المدونات هذه ما يلي:</p>
<ul>
<li><a href="https://milvus.io/blog/deep-dive-1-milvus-architecture-overview.md">نظرة عامة على بنية ميلفوس</a></li>
<li><a href="https://milvus.io/blog/deep-dive-2-milvus-sdk-and-api.md">واجهات برمجة التطبيقات وحزم تطوير البرمجيات بايثون</a></li>
<li><a href="https://milvus.io/blog/deep-dive-3-data-processing.md">معالجة البيانات</a></li>
<li><a href="https://milvus.io/blog/deep-dive-4-data-insertion-and-data-persistence.md">إدارة البيانات</a></li>
<li><a href="https://milvus.io/blog/deep-dive-5-real-time-query.md">الاستعلام في الوقت الحقيقي</a></li>
<li><a href="https://milvus.io/blog/deep-dive-7-query-expression.md">محرك التنفيذ القياسي</a></li>
<li><a href="https://milvus.io/blog/deep-dive-6-oss-qa.md">نظام ضمان الجودة</a></li>
<li><a href="https://milvus.io/blog/deep-dive-8-knowhere.md">محرك التنفيذ المتجه</a></li>
</ul>


مقدمة عن مجموعة أدوات تطوير البرمجيات (SDK) وواجهة برمجة تطبيقات ميلفوس بايثون

بناء قاعدة بيانات المتجهات للبحث عن التشابه القابل للتطوير

<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/Attu_3ff9a76156.png" alt="Binlog Cover Image" class="doc-image" id="binlog-cover-image" />
   </span> <span class="img-wrapper"> <span>صورة غلاف المدونة</span> </span></p>
<p>مسودة بقلم <a href="https://github.com/czhen-zilliz">تشن تشين</a> وترجمة <a href="https://github.com/LocoRichard">ليشن وانغ</a>.</p>
<p style="font-size: 12px;color: #4c5a67">انقر <a href="https://zilliz.com/blog/manage-your-milvus-vector-database-with-one-click-simplicity">هنا</a> للتحقق من المنشور الأصلي.</p> 
<p>في مواجهة الطلب المتزايد بسرعة على معالجة البيانات غير المهيكلة، يبرز نظام Milvus 2.0. وهو نظام قاعدة بيانات متجه موجه بالذكاء الاصطناعي مصمم لسيناريوهات الإنتاج الضخمة. بصرف النظر عن كل حزم SDKs الخاصة بـ Milvus و Milvus CLI، وهي واجهة سطر أوامر لـ Milvus، هل هناك أداة تسمح للمستخدمين بتشغيل Milvus بشكل أكثر سهولة؟ الإجابة هي نعم. لقد أعلنت شركة Zilliz عن واجهة مستخدم رسومية - Attu - خصيصًا لميلفوس. في هذه المقالة، نود أن نوضح لك خطوة بخطوة كيفية إجراء بحث تشابه المتجهات باستخدام Attu.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/map_aa1cda30d4.png" alt="Attu island" class="doc-image" id="attu-island" />
   </span> <span class="img-wrapper"> <span>جزيرة أتو</span> </span></p>
<p>بالمقارنة مع واجهة المستخدم Milvus CLI التي تجلب البساطة المطلقة في الاستخدام، يتميز Attu بالمزيد:</p>
<ul>
<li>أدوات تثبيت لأنظمة تشغيل ويندوز وماك ولينكس;</li>
<li>واجهة مستخدم رسومية بديهية لتسهيل استخدام ميلفوس;</li>
<li>تغطية الوظائف الرئيسية لميلفوس;</li>
<li>مكونات إضافية لتوسيع الوظائف المخصصة;</li>
<li>معلومات كاملة عن طوبولوجيا النظام لتسهيل فهم وإدارة مثيل ميلفوس.</li>
</ul>
<h2 id="Installation" class="common-anchor-header">التثبيت<button data-href="#Installation" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>يمكنك العثور على أحدث إصدار من Attu على <a href="https://github.com/zilliztech/attu/releases">GitHub</a>. يوفر Attu مثبتات قابلة للتنفيذ لأنظمة تشغيل مختلفة. وهو مشروع مفتوح المصدر ويرحب بالمساهمة من الجميع.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/installation_bbe62873af.png" alt="Installation" class="doc-image" id="installation" />
   </span> <span class="img-wrapper"> <span>التثبيت</span> </span></p>
<p>يمكنك أيضًا تثبيت Attu عبر Docker.</p>
<pre><code translate="no" class="language-shell">docker run -p <span class="hljs-number">8000</span>:<span class="hljs-number">3000</span> -e <span class="hljs-variable constant_">HOST_URL</span>=<span class="hljs-attr">http</span>:<span class="hljs-comment">//{ attu IP }:8000 -e MILVUS_URL={milvus server IP}:19530 zilliz/attu:latest</span>
<button class="copy-code-btn"></button></code></pre>
<p><code translate="no">attu IP</code> هو عنوان IP للبيئة التي يعمل فيها Attu، و <code translate="no">milvus server IP</code> هو عنوان IP للبيئة التي يعمل فيها Milvus.</p>
<p>بعد تثبيت Attu بنجاح، يمكنك إدخال عنوان IP ومنفذ Milvus في الواجهة لبدء تشغيل Attu.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/connect_1fde46d9d5.png" alt="Connect Milvus with Attu" class="doc-image" id="connect-milvus-with-attu" />
   </span> <span class="img-wrapper"> <span>ربط ميلفوس مع أتو</span> </span></p>
<h2 id="Feature-overview" class="common-anchor-header">نظرة عامة على الميزة<button data-href="#Feature-overview" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/overview_591e230514.png" alt="Overview page" class="doc-image" id="overview-page" />
   </span> <span class="img-wrapper"> <span>صفحة نظرة عامة</span> </span></p>
<p>تتكون واجهة Attu من صفحة <strong>نظرة</strong> عامة، وصفحة <strong>المجموعات،</strong> وصفحة <strong>البحث عن المتجهات،</strong> وصفحة <strong>عرض</strong> النظام، والتي تتوافق مع الأيقونات الأربعة الموجودة في جزء التنقل على الجانب الأيسر على التوالي.</p>
<p>تعرض صفحة <strong>النظرة العامة</strong> المجموعات التي تم تحميلها. في حين تسرد صفحة <strong>المجموعة</strong> جميع المجموعات وتشير إلى ما إذا كانت محملة أو تم تحريرها.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/collection_42656fe308.png" alt="Collection page" class="doc-image" id="collection-page" />
   </span> <span class="img-wrapper"> <span>صفحة المجموعة</span> </span></p>
<p>صفحات <strong>البحث عن المتجهات</strong> وصفحات <strong>عرض النظام</strong> هي مكونات إضافية لـ Attu. سيتم تقديم مفاهيم واستخدام المكونات الإضافية في الجزء الأخير من المدونة.</p>
<p>يمكنك إجراء بحث تشابه المتجهات في صفحة <strong>بحث</strong> المتجهات.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/vector_search_be7365687c.png" alt="Vector Search page" class="doc-image" id="vector-search-page" />
   </span> <span class="img-wrapper"> <span>صفحة البحث عن المتجهات</span> </span></p>
<p>في صفحة <strong>عرض</strong> النظام، يمكنك التحقق من البنية الطوبولوجية لميلفوس.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/system_view_e1df15023d.png" alt="System View page" class="doc-image" id="system-view-page" />
   </span> <span class="img-wrapper"> <span>صفحة عرض النظام</span> </span></p>
<p>يمكنك أيضًا التحقق من المعلومات التفصيلية لكل عقدة بالنقر على العقدة.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/node_view_5bbc25f9b2.png" alt="Node view" class="doc-image" id="node-view" />
   </span> <span class="img-wrapper"> <span>عرض العقدة</span> </span></p>
<h2 id="Demonstration" class="common-anchor-header">عرض توضيحي<button data-href="#Demonstration" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>لنستكشف أتو مع مجموعة بيانات اختبارية.</p>
<p>تحقق من <a href="https://github.com/zilliztech/attu/tree/main/examples">ريبو GitHub</a> الخاص بنا للحصول على مجموعة البيانات المستخدمة في الاختبار التالي.</p>
<p>أولاً، قم بإنشاء مجموعة باسم اختبار مع الحقول الأربعة التالية:</p>
<ul>
<li>اسم الحقل: المعرف، حقل المفتاح الأساسي</li>
<li>اسم الحقل: المتجه، الحقل المتجه، الحقل المتجه، المتجه العائم، البعد: 128</li>
<li>اسم الحقل: العلامة التجارية، حقل قياسي، البعد: Int64</li>
<li>اسم الحقل: اللون، حقل قياسي، Int64</li>
</ul>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/create_collection_95dfa15354.png" alt="Create a collection" class="doc-image" id="create-a-collection" />
   </span> <span class="img-wrapper"> <span>إنشاء مجموعة</span> </span></p>
<p>قم بتحميل المجموعة للبحث بعد إنشائها بنجاح.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/load_collection_fec39171df.png" alt="Load the collection" class="doc-image" id="load-the-collection" />
   </span> <span class="img-wrapper"> <span>تحميل المجموعة</span> </span></p>
<p>يمكنك الآن التحقق من المجموعة التي تم إنشاؤها حديثًا في صفحة <strong>نظرة عامة</strong>.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/check_collection_163b05477e.png" alt="Check the collection" class="doc-image" id="check-the-collection" />
   </span> <span class="img-wrapper"> <span>تحقق من المجموعة</span> </span></p>
<p>استيراد مجموعة البيانات الاختبارية إلى ملفوس.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/import_data_1_f73d71be85.png" alt="Import data" class="doc-image" id="import-data" />
   </span> <span class="img-wrapper"> <span>استيراد البيانات</span> </span></p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/import_data_2_4b3c3c3c25.png" alt="Import data" class="doc-image" id="import-data" />
   </span> <span class="img-wrapper"> <span>استيراد البيانات</span> </span></p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/import_data_3_0def4e8550.png" alt="Import data" class="doc-image" id="import-data" />
   </span> <span class="img-wrapper"> <span>استيراد البيانات</span> </span></p>
<p>انقر فوق اسم المجموعة في صفحة نظرة عامة أو صفحة المجموعة للدخول إلى واجهة الاستعلام للتحقق من البيانات المستوردة.</p>
<p>أضف عامل التصفية، وحدد التعبير <code translate="no">id != 0</code> ، وانقر فوق <strong>تطبيق عامل التصفية،</strong> وانقر فوق <strong>استعلام</strong>.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/query_data_24d9f71ccc.png" alt="Query data" class="doc-image" id="query-data" />
   </span> <span class="img-wrapper"> <span>استعلام البيانات</span> </span></p>
<p>ستجد أن جميع إدخالات الكيانات الخمسين قد تم استيرادها بنجاح.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/query_result_bcbbd17084.png" alt="Query result" class="doc-image" id="query-result" />
   </span> <span class="img-wrapper"> <span>نتيجة الاستعلام</span> </span></p>
<p>لنجرب البحث عن تشابه المتجهات.</p>
<p>انسخ متجهًا واحدًا من <code translate="no">search_vectors.csv</code> والصقه في حقل <strong>قيمة المتجه</strong>. اختر المجموعة والحقل. انقر فوق <strong>بحث</strong>.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/search_data_5af3a1db53.png" alt="Search data" class="doc-image" id="search-data" />
   </span> <span class="img-wrapper"> <span>بحث البيانات</span> </span></p>
<p>يمكنك بعد ذلك التحقق من نتيجة البحث. بدون تجميع أي نصوص برمجية، يمكنك البحث باستخدام ميلفوس بسهولة.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/search_result_961886efab.png" alt="Search result" class="doc-image" id="search-result" />
   </span> <span class="img-wrapper"> <span>نتيجة البحث</span> </span></p>
<p>أخيراً، دعنا نتحقق من صفحة <strong>عرض النظام</strong>.</p>
<p>باستخدام واجهة برمجة تطبيقات المقاييس المغلفة في Milvus Node.js SDK، يمكنك التحقق من حالة النظام وعلاقات العقدة وحالة العقدة.</p>
<p>كميزة حصرية لـ Attu، تتضمن صفحة عرض النظام رسمًا بيانيًا طوبولوجيًا كاملًا للنظام. من خلال النقر على كل عقدة، يمكنك التحقق من حالتها (تحديث كل 10 ثوانٍ).</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/topological_graph_d0c5c17586.png" alt="Milvus node topological graph" class="doc-image" id="milvus-node-topological-graph" />
   </span> <span class="img-wrapper"> <span>الرسم البياني الطوبولوجي لعقدة ميلفوس</span> </span></p>
<p>انقر على كل عقدة للدخول إلى <strong>عرض قائمة العقدة</strong>. يمكنك التحقق من جميع العقد التابعة لعقدة التنسيق. من خلال الفرز، يمكنك تحديد العُقد ذات الاستخدام العالي لوحدة المعالجة المركزية أو الذاكرة بسرعة، وتحديد المشكلة في النظام.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/node_list_64fc610a8d.png" alt="Milvus node list" class="doc-image" id="milvus-node-list" />
   </span> <span class="img-wrapper"> <span>قائمة عقدة ميلفوس</span> </span></p>
<h2 id="Whats-more" class="common-anchor-header">ما هو أكثر من ذلك<button data-href="#Whats-more" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>كما ذكرنا سابقًا، فإن صفحتي <strong>Vector Search</strong> و <strong>System View</strong> هما مكونان إضافيان لـ Attu. نحن نشجع المستخدمين على تطوير المكونات الإضافية الخاصة بهم في Attu لتناسب سيناريوهات تطبيقاتهم. في الشيفرة المصدرية، يوجد مجلد مصمم خصيصًا لرموز المكونات الإضافية.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/plugins_a2d98e4e5b.png" alt="Plugins" class="doc-image" id="plugins" />
   </span> <span class="img-wrapper"> <span>الإضافات</span> </span></p>
<p>يمكنك الرجوع إلى أي من المكونات الإضافية لمعرفة كيفية إنشاء مكون إضافي. من خلال تعيين ملف التكوين التالي، يمكنك إضافة المكون الإضافي إلى Attu.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/add_plugins_e3ef53cc0d.png" alt="Add plugins to Attu" class="doc-image" id="add-plugins-to-attu" />
   </span> <span class="img-wrapper"> <span>إضافة ملحقات إلى Attu</span> </span></p>
<p>يمكنك الاطلاع على <a href="https://github.com/zilliztech/attu/tree/main/doc">Attu GitHub Repo</a> <a href="https://milvus.io/docs/v2.0.x/attu.md">ووثيقة Milvus الفنية</a> للحصول على تعليمات مفصلة.</p>
<p>Attu هو مشروع مفتوح المصدر. جميع المساهمات مرحب بها. يمكنك أيضًا <a href="https://github.com/zilliztech/attu/issues">تقديم مشكلة</a> إذا واجهتك أي مشكلة في Attu.</p>
<p>نأمل مخلصين أن يوفر لك Attu تجربة مستخدم أفضل مع Milvus. وإذا أعجبك Attu، أو كانت لديك بعض الملاحظات حول الاستخدام، يمكنك إكمال <a href="https://wenjuan.feishu.cn/m/cfm?t=suw4QnODU1ui-ok7r">استبيان مستخدم Attu</a> هذا لمساعدتنا في تحسين Attu من أجل تجربة مستخدم أفضل.</p>


إدارة قاعدة بيانات Milvus Vector الخاصة بك بنقرة واحدة بكل بساطة

<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/Load_balance_b2f35a5577.png" alt="Binlog Cover Image" class="doc-image" id="binlog-cover-image" />
   </span> <span class="img-wrapper"> <span>صورة غلاف المدونة</span> </span></p>
<p>بقلم <a href="https://github.com/xige-16">شي جي</a></p>
<p>في مقالات المدونة السابقة، قدمنا تباعًا وظائف الحذف وBitsetet والضغط في Milvus 2.0. تتويجًا لهذه السلسلة، نود أن نشارك التصميم الكامن وراء موازنة التحميل، وهي وظيفة حيوية في الكتلة الموزعة في ميلفوس.</p>
<h2 id="Implementation" class="common-anchor-header">التنفيذ<button data-href="#Implementation" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>في حين يختلف عدد وحجم المقاطع المخزنة في عقد الاستعلام، فإن أداء البحث عبر عقد الاستعلام قد يختلف أيضًا. يمكن أن تحدث أسوأ الحالات عندما يتم استنفاد عدد قليل من عقد الاستعلام في البحث على كمية كبيرة من البيانات، ولكن عقد الاستعلام المنشأة حديثًا تظل خاملة لعدم توزيع أي مقطع عليها، مما يتسبب في إهدار هائل لموارد وحدة المعالجة المركزية وانخفاض كبير في أداء البحث.</p>
<p>لتجنب مثل هذه الظروف، تتم برمجة منسق الاستعلام (منسق الاستعلام) لتوزيع المقاطع بالتساوي على كل عقدة استعلام وفقًا لاستخدام ذاكرة الوصول العشوائي للعقد. لذلك، يتم استهلاك موارد وحدة المعالجة المركزية بالتساوي عبر العقد، وبالتالي تحسين أداء البحث بشكل كبير.</p>
<h3 id="Trigger-automatic-load-balance" class="common-anchor-header">تشغيل موازنة التحميل التلقائي</h3><p>وفقًا للقيمة الافتراضية للتهيئة <code translate="no">queryCoord.balanceIntervalSeconds</code> ، يتحقق منسق الاستعلام من استخدام ذاكرة الوصول العشوائي (بالنسبة المئوية) لجميع عقد الاستعلام كل 60 ثانية. إذا تم استيفاء أي من الشرطين التاليين، يبدأ منسق الاستعلام في موازنة حمل الاستعلام عبر عقدة الاستعلام:</p>
<ol>
<li>استخدام ذاكرة الوصول العشوائي لأي عقدة استعلام في المجموعة أكبر من <code translate="no">queryCoord.overloadedMemoryThresholdPercentage</code> (الافتراضي: 90);</li>
<li>أو أن تكون القيمة المطلقة لفرق استخدام ذاكرة الوصول العشوائي لأي عقدتي استعلام أكبر من <code translate="no">queryCoord.memoryUsageMaxDifferencePercentage</code> (الافتراضي: 30).</li>
</ol>
<p>بعد أن يتم نقل المقاطع من عقدة الاستعلام المصدر إلى عقدة الاستعلام الوجهة، يجب أن تستوفي الشرطين التاليين</p>
<ol>
<li>استخدام ذاكرة الوصول العشوائي لعقدة الاستعلام الوجهة ليس أكبر من <code translate="no">queryCoord.overloadedMemoryThresholdPercentage</code> (الافتراضي: 90);</li>
<li>أن تكون القيمة المطلقة لفرق استخدام ذاكرة الوصول العشوائي لعقدة الاستعلام المصدر والوجهة بعد موازنة التحميل أقل من القيمة المطلقة قبل موازنة التحميل.</li>
</ol>
<p>في حالة استيفاء الشروط المذكورة أعلاه، يستمر تنسيق الاستعلام في موازنة حمل الاستعلام عبر العقد.</p>
<h2 id="Load-balance" class="common-anchor-header">موازنة التحميل<button data-href="#Load-balance" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>عند تشغيل موازنة التحميل، يقوم منسق الاستعلام أولاً بتحميل المقطع (المقاطع) المستهدفة إلى عقدة الاستعلام الوجهة. تقوم كلتا عقدتي الاستعلام بإرجاع نتائج البحث من المقطع (المقاطع) المستهدفة في أي طلب بحث في هذه المرحلة لضمان اكتمال النتيجة.</p>
<p>بعد أن تقوم عقدة الاستعلام الوجهة بتحميل المقطع المستهدف بنجاح، يقوم منسق الاستعلام بنشر <code translate="no">sealedSegmentChangeInfo</code> إلى قناة الاستعلام. كما هو موضح أدناه، <code translate="no">onlineNodeID</code> و <code translate="no">onlineSegmentIDs</code> يشيران إلى عقدة الاستعلام التي تقوم بتحميل المقطع والمقطع الذي تم تحميله على التوالي، و <code translate="no">offlineNodeID</code> و <code translate="no">offlineSegmentIDs</code> يشيران إلى عقدة الاستعلام التي تحتاج إلى تحرير المقطع والمقطع المراد تحريره على التوالي.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/20220228_145413_f253cec15b.png" alt="sealedSegmentChangeInfo" class="doc-image" id="sealedsegmentchangeinfo" />
   </span> <span class="img-wrapper"> <span>مختومةSegmentChangeInfo</span> </span></p>
<p>بعد تلقي <code translate="no">sealedSegmentChangeInfo</code> ، تقوم عقدة الاستعلام المصدر بعد ذلك بتحرير المقطع المستهدف.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/20220228_145436_2604bc57a5.png" alt="Load Balance Workflow" class="doc-image" id="load-balance-workflow" />
   </span> <span class="img-wrapper"> <span>سير عمل موازنة التحميل</span> </span></p>
<p>تنجح العملية بأكملها عندما تقوم عقدة الاستعلام المصدر بتحرير المقطع المستهدف. بإكمال ذلك، يتم تعيين حمل الاستعلام متوازنًا عبر عقد الاستعلام، مما يعني أن استخدام ذاكرة الوصول العشوائي لجميع عقد الاستعلام ليس أكبر من <code translate="no">queryCoord.overloadedMemoryThresholdPercentage</code> ، وتكون القيمة المطلقة لفرق استخدام ذاكرة الوصول العشوائي لعقد الاستعلام المصدر والوجهة بعد موازنة التحميل أقل من تلك التي كانت قبل موازنة التحميل.</p>
<h2 id="Whats-next" class="common-anchor-header">ما التالي؟<button data-href="#Whats-next" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>نهدف في مدونة سلسلة الميزات الجديدة 2.0 إلى شرح تصميم الميزات الجديدة. اقرأ المزيد في سلسلة المدونة هذه!</p>
<ul>
<li><a href="https://milvus.io/blog/2022-02-07-how-milvus-deletes-streaming-data-in-distributed-cluster.md">كيف يحذف Milvus البيانات المتدفقة في مجموعة موزعة</a></li>
<li><a href="https://milvus.io/blog/2022-2-21-compact.md">كيفية ضغط البيانات في ميلفوس؟</a></li>
<li><a href="https://milvus.io/blog/2022-02-28-how-milvus-balances-query-load-across-nodes.md">كيف يوازن ميلفوس حمل الاستعلام عبر العقد؟</a></li>
<li><a href="https://milvus.io/blog/2022-2-14-bitset.md">كيف تمكّن Bitset تعدد استخدامات البحث عن التشابه المتجهي</a></li>
</ul>
<p>هذه هي خاتمة سلسلة المدونات الخاصة بميزة Milvus 2.0 الجديدة. بعد هذه السلسلة، نحن نخطط لسلسلة جديدة من <a href="https://milvus.io/blog/deep-dive-1-milvus-architecture-overview.md">الغوص العميق في</a> ميلفوس (Milvus <a href="https://milvus.io/blog/deep-dive-1-milvus-architecture-overview.md">Deep Dive</a>)، والتي تقدم البنية الأساسية لـ Milvus 2.0. يرجى الترقب.</p>


كيف يوازن ميلفوس بين حمل الاستعلامات عبر العقد؟

كيفية ضغط البيانات في ميلفوس؟

<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/Bitset_cd54487e7b.png" alt="Bitset Cover Image" class="doc-image" id="bitset-cover-image" />
   </span> <span class="img-wrapper"> <span>صورة غلاف Bitset</span> </span></p>
<p>بقلم <a href="https://github.com/cydrain">يودونغ كاي</a> <a href="https://www.linkedin.com/in/yiyun-n-2aa713163/">وأنجيلا ني</a>.</p>
<p>يتم توفير العديد من <a href="https://milvus.io/blog/2022-1-27-milvus-2-0-a-glimpse-at-new-features.md">الميزات الأساسية الجديدة</a> لقاعدة بيانات المتجهات مع <a href="https://milvus.io/blog/2022-1-25-annoucing-general-availability-of-milvus-2-0.md">إصدار</a> Milvus 2.0. من بين الميزات الجديدة، ترتبط <a href="https://milvus.io/blog/2022-02-07-how-milvus-deletes-streaming-data-in-distributed-cluster.md">عمليات</a> <a href="https://milvus.io/docs/v2.0.x/timetravel_ref.md">السفر عبر الزمن</a> وتصفية السمات <a href="https://milvus.io/blog/2022-02-07-how-milvus-deletes-streaming-data-in-distributed-cluster.md">والحذف</a> حيث يتم تحقيق هذه الميزات الثلاث من خلال آلية واحدة مشتركة - مجموعة البتات.</p>
<p>لذلك، تهدف هذه المقالة إلى توضيح مفهوم البتات في Milvus وشرح كيفية عملها لدعم عمليات الحذف والسفر عبر الزمن وتصفية السمات مع ثلاثة أمثلة.</p>
<h2 id="What-is-bitset" class="common-anchor-header">ما هي مجموعة البتات؟<button data-href="#What-is-bitset" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>مجموعة البتات هي مصفوفة من أرقام البتات ("0" و"1") التي يمكن استخدامها لتمثيل معلومات بيانات معينة. باستخدام مجموعات البتات، يمكنك تخزين أنواع معينة من البيانات بشكل مضغوط وفعال بدلاً من تخزينها في Ints أو عوامات أو أحرف. تعمل مجموعات البتات على <a href="https://milvus.io/docs/v2.0.x/boolean.md">المنطق المنطقي،</a> حيث تكون قيمة المخرجات إما صالحة أو غير صالحة، وعادةً ما يُشار إليها بـ "1" و "0" على التوالي. يرمز "1" إلى صالح و"0" إلى غير صالح. نظرًا لأن مجموعات البتات ذات كفاءة عالية ويمكنها حفظ التخزين، يمكن استخدامها أيضًا لتحقيق العديد من الميزات مثل تصفية السمات وعمليات الحذف وعمليات السفر عبر الزمن وغيرها.</p>
<p>بدءًا من الإصدار 0.7.0، تم إدخال مفهوم مجموعة البتات في Milvus لتمكين <a href="https://milvus.io/blog/deleting-data-in-milvus.md">وظيفة الحذف</a>. وبشكل أكثر تحديدًا، تُستخدم مجموعة البتات لتمييز ما إذا كان كل صف في المقطع محذوفًا. يتم تمييز الكيانات المحذوفة ب "1" في مجموعة البتات المقابلة، ونتيجة لذلك، لن يتم حساب الكيانات المحذوفة أثناء البحث أو الاستعلام.</p>
<p>في إصدار ميلفوس 2.0، تم توسيع تطبيق مجموعة البتات لتمكين المزيد من الميزات، مثل تصفية السمات والسفر عبر الزمن. يبقى المبدأ العام في مجموعة البتات كما هو. أي أنه إذا تم تمييز كيان ما بعلامة "1" في مجموعة البتات المقابلة، فسيتم تجاهل الكيان أثناء البحث أو الاستعلام. تُستخدم مجموعات البت لتمكين 3 ميزات في ميلفوس:</p>
<ul>
<li>تصفية السمات</li>
<li>حذف البيانات</li>
<li>الاستعلام مع السفر عبر الزمن</li>
</ul>
<h2 id="How-does-bitset-work-in-Milvus" class="common-anchor-header">كيف تعمل مجموعة البتات في ملفوس؟<button data-href="#How-does-bitset-work-in-Milvus" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>تُستخدم الأمثلة أدناه لتوضيح كيفية عمل البتات في ملفوس.</p>
<h3 id="Prerequisites" class="common-anchor-header">المتطلبات الأساسية</h3><p>لنفترض أن هناك مقطعًا يحتوي على ثمانية كيانات وسلسلة من أحداث لغة معالجة البيانات (DML) تحدث بالترتيب الموضح في الشكل أدناه.</p>
<ul>
<li>يتم إدراج أربعة من الكيانات، التي <code translate="no">primary_keys</code> هي [1، 2، 3، 4] على التوالي، عندما يساوي الطابع الزمني <code translate="no">ts</code> 100.</li>
<li>يتم إدراج الكيانات الأربعة المتبقية، التي <code translate="no">primary_keys</code> هي [5، 6، 7، 8]، عندما يساوي الطابع الزمني <code translate="no">ts</code> 200.</li>
<li>يتم حذف الكيانات التي <code translate="no">primary_keys</code> هي [7، 8] عندما يساوي الطابع الزمني <code translate="no">ts</code> 300.</li>
<li>فقط الكيانات التي تكون <code translate="no">primary_keys</code> هي [1، 3، 5، 7] تستوفي شروط تصفية السمات.</li>
</ul>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/UML_1_0a3605808c.jpg" alt="DML events" class="doc-image" id="dml-events" />
   </span> <span class="img-wrapper"> <span>أحداث DML</span> </span></p>
<h3 id="Case-one" class="common-anchor-header">الحالة الأولى</h3><p>لنفترض أن القيمة التي يحددها المستخدم لـ <code translate="no">time_travel</code> هي 150. وبعبارة أخرى، يجري المستخدم استعلامًا على البيانات المخزنة في ميلفوس عندما يكون <code translate="no">ts</code> = 150. يوضح الشكل 1 عملية توليد مجموعة البتات.</p>
<p>أثناء مرحلة التصفية الأولية، يجب أن تكون نتيجة <code translate="no">filter_bitset</code> [1، 0، 1، 1، 0، 1، 0، 0، 1، 1، 0] حيث أن الكيانات [1، 3، 5، 7] هي نتائج تصفية صالحة ومحددة بـ "1" في مجموعة البتات. ومع ذلك، لم يتم حتى إدراج الكيانات [4، 5، 6، 7] في قاعدة بيانات المتجهات عندما <code translate="no">ts</code> يساوي 150. لذلك، يجب وضع علامة "0" على هذه الكيانات الأربعة بغض النظر عن شرط التصفية. الآن يجب أن تكون نتيجة مجموعة البتات [1، 0، 0، 1، 0، 0، 0، 0، 0، 0، 0]. نظرًا لأن المبدأ العام لحساب مجموعة البتات في Milvus هو أن الكيانات التي تم وضع علامة "1" عليها في مجموعة البتات يتم تجاهلها أثناء البحث أو الاستعلام، فإن نتيجة مجموعة البتات بعد تصفية الوقت وتصفية السمات يجب أن يتم قلبها لكي يتم دمجها مع الصورة النقطية للحذف. يجب أن تكون النتيجة المقلوبة <code translate="no">filter_bitset</code> [0، 1، 1، 0، 1، 1، 1، 1، 1، 1، 1].</p>
<p>أما بالنسبة إلى مجموعة بتات الحذف <code translate="no">del_bitset</code> ، فيجب أن تكون القيمة الأولية [0، 0، 0، 0، 0، 0، 0، 0، 0، 1، 1، 1]. ومع ذلك، لا يتم حذف الكيانين 7 و8 حتى <code translate="no">ts</code> هو 300. لذلك، عندما يكون <code translate="no">ts</code> 150، فإن الكيانين 7 و8 لا يزالان صالحين. نتيجة لذلك، يجب أن تكون قيمة <code translate="no">del_bitset</code> بعد السفر عبر الزمن [0، 0، 0، 0، 0، 0، 0، 0، 0، 0، 0، 0، 0].</p>
<p>الآن لدينا مجموعتا بتات بعد السفر عبر الزمن وتصفية السمة: <code translate="no">filter_bitset</code> [0, 1, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1] و <code translate="no">del_bitset</code> [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0].  اجمع بين مجموعتي البت هاتين مع عامل المنطق الثنائي "OR". تكون القيمة النهائية <code translate="no">result_bitset</code> هي [0، 1، 1، 0، 0، 1، 1، 1، 1، 1، 1]. وهذا يعني أنه سيتم حساب الكيانين 1 و3 فقط في مرحلة البحث أو الاستعلام التالية.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/bitset_figure1_1b5852f7a7.jpeg" alt="Figure 1" class="doc-image" id="figure-1" />
   </span> <span class="img-wrapper"> <span>الشكل 1</span> </span></p>
<h3 id="Case-two" class="common-anchor-header">الحالة الثانية</h3><p>لنفترض أن القيمة التي يحددها المستخدم لـ <code translate="no">time_travel</code> هي 250. وبعبارة أخرى، يجري المستخدم استعلامًا عن البيانات المخزنة في ميلفوس عندما يكون <code translate="no">ts</code> = 250. يوضح الشكل 2 عملية توليد مجموعة البتات.</p>
<p>كما في الحالة الأولى، يجب أن تكون النتيجة <code translate="no">filter_bitset</code> لمرحلة تصفية السمة الأولية [1، 0، 1، 1، 0، 1، 1، 0، 0، 1، 0].</p>
<p>يتم إدراج جميع الكيانات [1، 2، 3، 3، 4، 5، 6، 7، 8] في قاعدة بيانات المتجهات عندما <code translate="no">ts</code>= 250. وبالتالي، تظل النتيجة السابقة <code translate="no">filter_bitset</code> كما هي. مرة أخرى، نحتاج إلى قلب نتيجة <code translate="no">filter_bitset</code> ، وسنحصل على [0، 1، 1، 0، 0، 1، 0، 1، 0، 0، 1].</p>
<p>أما بالنسبة لمجموعة بتات الحذف <code translate="no">del_bitset</code> ، يجب أن تكون القيمة الأولية [0، 0، 0، 0، 0، 0، 0، 0، 0، 1، 1]. ومع ذلك، لم يتم حذف الكيانين 7 و8 حتى <code translate="no">ts</code> هو 300. لذلك، عندما يكون <code translate="no">ts</code> هو 250، فإن الكيانين 7 و8 لا يزالان صالحين. نتيجة لذلك، يجب أن تكون قيمة <code translate="no">del_bitset</code> بعد السفر عبر الزمن [0، 0، 0، 0، 0، 0، 0، 0، 0، 0، 0، 0، 0].</p>
<p>الآن لدينا مجموعتا بتات بعد السفر عبر الزمن وتصفية السمة: <code translate="no">filter_bitset</code> [0، 1، 0، 0، 0، 1، 0، 0، 0، 0، 1] و <code translate="no">del_bitset</code> [0، 0، 0، 0، 0، 0، 0، 0، 0، 0، 0، 0، 0].  اجمع بين مجموعتي البت هاتين مع عامل المنطق الثنائي "OR". تكون القيمة النهائية <code translate="no">result_bitset</code> هي [0، 1، 0، 0، 1، 0، 0، 1، 0، 0، 1]. أي أنه سيتم حساب الكيانات [1، 3، 5، 7] فقط في مرحلة البحث أو الاستعلام التالية.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/bitset_figure2_7cbaa7c719.jpeg" alt="Figure 2" class="doc-image" id="figure-2" />
   </span> <span class="img-wrapper"> <span>الشكل 2</span> </span></p>
<h3 id="Case-three" class="common-anchor-header">الحالة الثالثة</h3><p>لنفترض أن القيمة التي يحددها المستخدم لـ <code translate="no">time_travel</code> هي 350. بعبارة أخرى، يجري المستخدم استعلامًا عن البيانات المخزنة في ميلفوس عندما يكون <code translate="no">ts</code> = 350. يوضح الشكل 3 عملية توليد مجموعة البتات.</p>
<p>كما في الحالتين الأولى والثانية، تكون النتيجة <code translate="no">filter_bitset</code> لمرحلة تصفية السمة الأولية هي [0، 1، 0، 0، 1، 0، 0، 1، 0، 0، 1].</p>
<p>يتم إدراج جميع الكيانات [1، 2، 3، 3، 4، 5، 6، 7، 8] في قاعدة بيانات المتجهات عندما <code translate="no">ts</code>= 350. لذلك، تكون النتيجة النهائية المقلوبة <code translate="no">filter_bitset</code> هي [0، 1، 1، 0، 0، 1، 0، 1، 0، 0، 1]، كما في الحالة الثانية.</p>
<p>أما بالنسبة إلى مجموعة بتات الحذف <code translate="no">del_bitset</code> ، نظرًا لأن الكيانين 7 و8 قد حُذفا بالفعل عندما <code translate="no">ts</code>= 350، لذلك، يجب أن تكون النتيجة <code translate="no">del_bitset</code> [0، 0، 0، 0، 0، 0، 0، 0، 1، 1].</p>
<p>لدينا الآن مجموعتا بتات بعد السفر عبر الزمن وتصفية السمات: <code translate="no">filter_bitset</code> [0, 1, 0, 0, 0, 1, 0, 1, 0, 0, 0, 1] و <code translate="no">del_bitset</code> [0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1].  اجمع بين مجموعتي البت هاتين مع عامل المنطق الثنائي "OR". تكون القيمة النهائية <code translate="no">result_bitset</code> هي [0، 1، 0، 0، 1، 0، 0، 1، 1، 1، 1]. وهذا يعني أنه سيتم حساب الكيانات [1، 3، 5] فقط في مرحلة البحث أو الاستعلام التالية.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/bitset_figure3_dd46a6aecf.jpeg" alt="Figure 3" class="doc-image" id="figure-3" />
   </span> <span class="img-wrapper"> <span>الشكل 3</span> </span></p>
<h2 id="Whats-next" class="common-anchor-header">ما التالي؟<button data-href="#Whats-next" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>نهدف في مدونة سلسلة الميزات الجديدة 2.0 إلى شرح تصميم الميزات الجديدة. اقرأ المزيد في سلسلة المدونة هذه!</p>
<ul>
<li><a href="https://milvus.io/blog/2022-02-07-how-milvus-deletes-streaming-data-in-distributed-cluster.md">كيف يحذف ميلفوس البيانات المتدفقة في مجموعة موزعة</a></li>
<li><a href="https://milvus.io/blog/2022-2-21-compact.md">كيفية ضغط البيانات في ميلفوس؟</a></li>
<li><a href="https://milvus.io/blog/2022-02-28-how-milvus-balances-query-load-across-nodes.md">كيف يوازن ميلفوس حمل الاستعلام عبر العقد؟</a></li>
<li><a href="https://milvus.io/blog/2022-2-14-bitset.md">كيف تمكّن Bitset تعدد استخدامات البحث عن التشابه المتجهي</a></li>
</ul>


كيف تمكّن Bitset تعدد استخدامات البحث عن التشابه المتجهي

<custom-h1>كيف يحذف Milvus البيانات المتدفقة في مجموعة موزعة</custom-h1><p>يتميّز Milvus 2.0 بمعالجة موحّدة للدفعات والتدفق وبنية سحابية أصلية، ويشكل Milvus 2.0 تحديًا أكبر من سابقه أثناء تطوير وظيفة الحذف. وبفضل تصميمه المتطور لتجزئة التخزين والحوسبة التخزينية وآلية النشر/الاشتراك المرنة، نحن فخورون بالإعلان عن تحقيق ذلك. في الإصدار Milvus 2.0، يمكنك حذف كيان في مجموعة معينة بمفتاحها الأساسي بحيث لا يتم إدراج الكيان المحذوف في نتيجة البحث أو الاستعلام.</p>
<p>يُرجى ملاحظة أن عملية الحذف في Milvus تشير إلى الحذف المنطقي، في حين أن تنظيف البيانات المادية يحدث أثناء ضغط البيانات. لا يؤدي الحذف المنطقي إلى تعزيز أداء البحث المقيد بسرعة الإدخال/الإخراج بشكل كبير فحسب، بل يسهل أيضًا استعادة البيانات. لا يزال من الممكن استرجاع البيانات المحذوفة منطقيًا بمساعدة وظيفة السفر عبر الزمن.</p>
<h2 id="Usage" class="common-anchor-header">الاستخدام<button data-href="#Usage" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>دعونا نجرب دالة الحذف في Milvus 2.0 أولاً. (المثال التالي يستخدم PyMilvus 2.0.0 على Milvus 2.0.0).</p>
<pre><code translate="no" class="language-python"><span class="hljs-keyword">from</span> pymilvus <span class="hljs-keyword">import</span> connections, utility, Collection, DataType, FieldSchema, CollectionSchema
<span class="hljs-comment"># Connect to Milvus</span>
connections.connect(
    alias=<span class="hljs-string">&quot;default&quot;</span>, 
    host=<span class="hljs-string">&#x27;x.x.x.x&#x27;</span>, 
    port=<span class="hljs-string">&#x27;19530&#x27;</span>
)
<span class="hljs-comment"># Create a collection with Strong Consistency level</span>
pk_field = FieldSchema(
    name=<span class="hljs-string">&quot;id&quot;</span>, 
    dtype=DataType.INT64, 
    is_primary=<span class="hljs-literal">True</span>, 
)
vector_field = FieldSchema(
    name=<span class="hljs-string">&quot;vector&quot;</span>, 
    dtype=DataType.FLOAT_VECTOR, 
    dim=<span class="hljs-number">2</span>
)
schema = CollectionSchema(
    fields=[pk_field, vector_field], 
    description=<span class="hljs-string">&quot;Test delete&quot;</span>
)
collection_name = <span class="hljs-string">&quot;test_delete&quot;</span>
collection = Collection(
    name=collection_name, 
    schema=schema, 
    using=<span class="hljs-string">&#x27;default&#x27;</span>, 
    shards_num=<span class="hljs-number">2</span>,
    consistency_level=<span class="hljs-string">&quot;Strong&quot;</span>
)
<span class="hljs-comment"># Insert randomly generated vectors</span>
<span class="hljs-keyword">import</span> random
data = [
    [i <span class="hljs-keyword">for</span> i <span class="hljs-keyword">in</span> <span class="hljs-built_in">range</span>(<span class="hljs-number">100</span>)],
    [[random.random() <span class="hljs-keyword">for</span> _ <span class="hljs-keyword">in</span> <span class="hljs-built_in">range</span>(<span class="hljs-number">2</span>)] <span class="hljs-keyword">for</span> _ <span class="hljs-keyword">in</span> <span class="hljs-built_in">range</span>(<span class="hljs-number">100</span>)],
]
collection.insert(data)
<span class="hljs-comment"># Query to make sure the entities to delete exist</span>
collection.load()
expr = <span class="hljs-string">&quot;id in [2,4,6,8,10]&quot;</span>
pre_del_res = collection.query(
    expr,
    output_fields = [<span class="hljs-string">&quot;id&quot;</span>, <span class="hljs-string">&quot;vector&quot;</span>]
)
<span class="hljs-built_in">print</span>(pre_del_res)
<span class="hljs-comment"># Delete the entities with the previous expression</span>
collection.delete(expr)
<span class="hljs-comment"># Query again to check if the deleted entities exist</span>
post_del_res = collection.query(
    expr,
    output_fields = [<span class="hljs-string">&quot;id&quot;</span>, <span class="hljs-string">&quot;vector&quot;</span>]
)
<span class="hljs-built_in">print</span>(post_del_res)
<button class="copy-code-btn"></button></code></pre>
<h2 id="Implementation" class="common-anchor-header">التنفيذ<button data-href="#Implementation" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>في مثيل Milvus، تكون عقدة البيانات مسؤولة بشكل أساسي عن تعبئة البيانات المتدفقة (السجلات في وسيط السجل) كبيانات تاريخية (لقطات السجل) ومسحها تلقائيًا إلى تخزين الكائنات. تقوم عقدة الاستعلام بتنفيذ طلبات البحث على البيانات الكاملة، أي البيانات المتدفقة والبيانات التاريخية.</p>
<p>ولتحقيق أقصى استفادة من سعة كتابة البيانات للعقد المتوازية في الكتلة العنقودية، تتبنى Milvus استراتيجية التجزئة على أساس تجزئة المفتاح الأساسي لتوزيع عمليات الكتابة بالتساوي على عقد عاملة مختلفة. وهذا يعني أن الوكيل سيقوم بتوجيه رسائل لغة التلاعب بالبيانات (DML) (أي الطلبات) الخاصة بكيان ما إلى نفس عقدة البيانات وعقدة الاستعلام. يتم نشر هذه الرسائل من خلال قناة DML-Channel وتستهلكها عقدة البيانات وعقدة الاستعلام بشكل منفصل لتوفير خدمات البحث والاستعلام معًا.</p>
<h3 id="Data-node" class="common-anchor-header">عقدة البيانات</h3><p>بعد تلقي رسائل INSERT للبيانات، تقوم عقدة البيانات بإدراج البيانات في مقطع متزايد، وهو مقطع جديد تم إنشاؤه لاستقبال البيانات المتدفقة في الذاكرة. إذا وصل عدد صفوف البيانات أو مدة المقطع المتنامي إلى الحد الأدنى، تقوم عقدة البيانات بإغلاقه لمنع أي بيانات واردة. تقوم عقدة البيانات بعد ذلك بمسح المقطع المختوم، الذي يحتوي على البيانات التاريخية، إلى مخزن الكائن. وفي الوقت نفسه، تُنشئ عقدة البيانات مرشح ازدهار استنادًا إلى المفاتيح الأساسية للبيانات الجديدة، وتقوم بمسحها إلى مخزن الكائنات مع المقطع المختوم، وحفظ مرشح الازدهار كجزء من السجل الثنائي للإحصائيات (binlog)، والذي يحتوي على المعلومات الإحصائية للمقطع.</p>
<blockquote>
<p>مرشح التفتح هو بنية بيانات احتمالية تتكون من متجه ثنائي طويل وسلسلة من دوال التعيين العشوائي. يمكن استخدامه لاختبار ما إذا كان عنصر ما عضوًا في مجموعة ما، ولكنه قد يُرجع مطابقات إيجابية كاذبة.           -- ويكيبيديا</p>
</blockquote>
<p>عند ورود رسائل حذف البيانات، تقوم عقدة البيانات بتخزين جميع مرشحات التفتح في الجزء المطابق، وتطابقها مع المفاتيح الأساسية المقدمة في الرسائل لاسترداد جميع المقاطع (من كل من المقاطع النامية والمغلقة) التي من المحتمل أن تتضمن الكيانات المراد حذفها. بعد تحديد المقاطع المطابقة، تقوم عقدة البيانات بتخزينها في الذاكرة لإنشاء سجلات دلتا الثنائية لتسجيل عمليات الحذف، ثم تقوم بمسح تلك السجلات الثنائية مع المقاطع إلى مخزن الكائنات.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/data_node_2397ad70c3.png" alt="Data Node" class="doc-image" id="data-node" />
   </span> <span class="img-wrapper"> <span>عقدة البيانات</span> </span></p>
<p>نظرًا لأنه يتم تعيين جزء واحد فقط بقناة DML واحدة، فلن تتمكن عقد الاستعلام الإضافية المضافة إلى الكتلة من الاشتراك في قناة DML-Channel. للتأكد من أن جميع عقد الاستعلام يمكنها تلقي رسائل الحذف، تقوم عقد البيانات بتصفية رسائل الحذف من قناة DML، وإعادة توجيهها إلى قناة دلتا لإعلام جميع عقد الاستعلام بعمليات الحذف.</p>
<h3 id="Query-node" class="common-anchor-header">عقدة الاستعلام</h3><p>عند تحميل مجموعة من تخزين الكائن، تحصل عقدة الاستعلام أولاً على نقطة تدقيق كل جزء، والتي تحدد عمليات DML منذ آخر عملية مسح. استنادًا إلى نقطة التدقيق، تقوم عقدة الاستعلام بتحميل جميع المقاطع المختومة مع مرشحات دلتا بنلوغ وفلاتر بلوم الخاصة بها. مع تحميل جميع البيانات، تشترك عقدة الاستعلام بعد ذلك في قناة DML وقناة دلتا وقناة دلتا وقناة الاستعلام.</p>
<p>في حالة ورود المزيد من رسائل INSERT للبيانات بعد تحميل المجموعة إلى الذاكرة، تقوم عقدة الاستعلام أولاً بتحديد المقاطع المتزايدة وفقًا للرسائل، وتقوم بتحديث مرشحات التفتح المتضخمة المقابلة في الذاكرة لأغراض الاستعلام فقط. لن يتم مسح مرشحات التفتح المخصصة للاستعلام إلى تخزين الكائنات بعد انتهاء الاستعلام.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/query_node_a78b1d664f.png" alt="Query Node" class="doc-image" id="query-node" />
   </span> <span class="img-wrapper"> <span>عقدة الاستعلام</span> </span></p>
<p>كما ذكر أعلاه، يمكن لعدد معين فقط من عقد الاستعلام تلقي رسائل DELETE من قناة DML، مما يعني أنها وحدها التي يمكنها تنفيذ طلبات الحذف في قطاعات متزايدة. بالنسبة لعقد الاستعلام التي اشتركت في قناة DML، فإنها تقوم أولاً بتصفية رسائل الحذف في المقاطع المتزايدة، وتحديد موقع الكيانات من خلال مطابقة المفاتيح الأساسية المقدمة مع تلك المرشحات المزدوجة المخصصة للاستعلام في المقاطع المتزايدة، ثم تسجيل عمليات الحذف في المقاطع المقابلة.</p>
<p>يُسمح فقط لعقد الاستعلام التي لا يمكنها الاشتراك في قناة DML-Channel بمعالجة طلبات البحث أو الاستعلام على المقاطع المغلقة لأنها لا يمكنها الاشتراك إلا في قناة دلتا، واستقبال رسائل الحذف المعاد توجيهها بواسطة عقد البيانات. بعد تجميع جميع رسائل الحذف في المقاطع المختومة من قناة دلتا، تقوم عقد الاستعلام بتحديد موقع الكيانات من خلال مطابقة المفاتيح الأساسية المقدمة مع مرشحات التفتح للقطاعات المختومة، ثم تسجيل عمليات الحذف في القطاعات المقابلة.</p>
<p>في نهاية المطاف، في البحث أو الاستعلام، تقوم عقد الاستعلام بإنشاء مجموعة بتات بناءً على سجلات الحذف لحذف الكيانات المحذوفة، والبحث بين الكيانات المتبقية من جميع المقاطع، بغض النظر عن حالة المقطع. أخيرًا وليس آخرًا، يؤثر مستوى الاتساق على رؤية البيانات المحذوفة. في ظل مستوى الاتساق القوي (كما هو موضح في نموذج الكود السابق)، تكون الكيانات المحذوفة غير مرئية على الفور بعد الحذف. بينما يتم اعتماد مستوى الاتساق المحدود، سيكون هناك عدة ثوانٍ من وقت الاستجابة قبل أن تصبح الكيانات المحذوفة غير مرئية.</p>
<h2 id="Whats-next" class="common-anchor-header">ما التالي؟<button data-href="#Whats-next" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>نهدف في مدونة سلسلة الميزات الجديدة 2.0 إلى شرح تصميم الميزات الجديدة. اقرأ المزيد في سلسلة المدونة هذه!</p>
<ul>
<li><a href="https://milvus.io/blog/2022-02-07-how-milvus-deletes-streaming-data-in-distributed-cluster.md">كيف يقوم Milvus بحذف البيانات المتدفقة في مجموعة موزعة</a></li>
<li><a href="https://milvus.io/blog/2022-2-21-compact.md">كيفية ضغط البيانات في ميلفوس؟</a></li>
<li><a href="https://milvus.io/blog/2022-02-28-how-milvus-balances-query-load-across-nodes.md">كيف يوازن ميلفوس حمل الاستعلام عبر العقد؟</a></li>
<li><a href="https://milvus.io/blog/2022-2-14-bitset.md">كيف تمكّن Bitset تعدد الاستخدامات في البحث عن التشابه المتجه</a></li>
</ul>


الاستخدام

ميلفوس 2.0 - لمحة عن الميزات الجديدة

<p>أعزائي الأعضاء والأصدقاء في مجتمع ميلفوس:</p>
<p>اليوم، وبعد مرور ستة أشهر على نشر الإصدار الأول المرشح (RC)، يسعدنا أن نعلن أن الإصدار Milvus 2.0 أصبح <a href="https://milvus.io/docs/v2.0.x/release_notes.md#v200">متاحًا بشكل عام</a> وجاهزًا للإنتاج! لقد كانت رحلة طويلة، ونشكر جميع المساهمين في المجتمع والمستخدمين ومؤسسة LF AI &amp; Data Foundation على طول الطريق الذين ساعدونا في تحقيق ذلك.</p>
<p>تُعد القدرة على التعامل مع مليارات البيانات عالية الأبعاد أمرًا مهمًا لأنظمة الذكاء الاصطناعي هذه الأيام، ولأسباب وجيهة:</p>
<ol>
<li>تحتل البيانات غير المهيكلة أحجاماً مهيمنة مقارنةً بالبيانات المهيكلة التقليدية.</li>
<li>لم تكن حداثة البيانات أكثر أهمية من أي وقت مضى. يتوق علماء البيانات إلى حلول البيانات في الوقت المناسب بدلاً من الحل الوسط التقليدي T+1.</li>
<li>لقد أصبحت التكلفة والأداء أكثر أهمية، ومع ذلك لا تزال هناك فجوة كبيرة بين الحلول الحالية وحالات الاستخدام في العالم الحقيقي. ومن هنا جاء Milvus 2.0. Milvus هي قاعدة بيانات تساعد في التعامل مع البيانات عالية الأبعاد على نطاق واسع. وهي مصممة للسحابة مع إمكانية تشغيلها في كل مكان. إذا كنت تتابع إصدارات RC الخاصة بنا، فأنت تعلم أننا بذلنا جهدًا كبيرًا لجعل Milvus أكثر استقرارًا وأسهل في النشر والصيانة.</li>
</ol>
<h2 id="Milvus-20-GA-now-offers" class="common-anchor-header">يوفر Milvus 2.0 GA الآن<button data-href="#Milvus-20-GA-now-offers" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p><strong>حذف الكيانات</strong></p>
<p>كقاعدة بيانات، تدعم Milvus الآن حذف الكيانات <a href="https://milvus.io/docs/v2.0.x/delete_data.md">حسب المفتاح الأساسي</a> وستدعم حذف الكيانات حسب التعبير لاحقًا.</p>
<p><strong>موازنة التحميل التلقائي</strong></p>
<p>تدعم Milvus الآن سياسة توازن الحمل الإضافي لموازنة حمل كل عقدة استعلام وعقدة بيانات. وبفضل الفصل بين الحوسبة والتخزين، سيتم تحقيق التوازن في بضع دقائق فقط.</p>
<p><strong>التسليم</strong></p>
<p>بمجرد إغلاق المقاطع المتنامية من خلال التدفق، تستبدل مهام التسليم المقاطع المتنامية بالمقاطع التاريخية المفهرسة لتحسين أداء البحث.</p>
<p><strong>ضغط البيانات</strong></p>
<p>ضغط البيانات هي مهمة في الخلفية لدمج المقاطع الصغيرة في مقاطع كبيرة وتنظيف البيانات المحذوفة المنطقية.</p>
<p><strong>دعم التخزين المدمج إلخd وتخزين البيانات المحلية</strong></p>
<p>ضمن وضع Milvus المستقل، يمكننا إزالة تبعية إلخd/MinIO مع بعض التكوينات فقط. يمكن أيضًا استخدام تخزين البيانات المحلية كذاكرة تخزين مؤقت محلية لتجنب تحميل جميع البيانات في الذاكرة الرئيسية.</p>
<p><strong>حزم تطوير البرمجيات متعددة اللغات</strong></p>
<p>بالإضافة إلى <a href="https://github.com/milvus-io/pymilvus">PyMilvus،</a> أصبحت الآن حزم SDKs <a href="https://github.com/milvus-io/milvus-sdk-node">Node.js</a> <a href="https://github.com/milvus-io/milvus-sdk-java">وJava</a> <a href="https://github.com/milvus-io/milvus-sdk-go">وGo</a> جاهزة للاستخدام.</p>
<p><strong>مشغّل Milvus K8s</strong></p>
<p>يوفر<a href="https://milvus.io/docs/v2.0.x/install_cluster-milvusoperator.md">مشغّل Mil</a> vus حلاً سهلاً لنشر وإدارة مجموعة خدمات Milvus كاملة، بما في ذلك مكونات Milvus وتوابعها ذات الصلة (مثل etcd وPulsar وMinIO)، إلى مجموعات <a href="https://kubernetes.io/">Kubernetes</a> المستهدفة بطريقة قابلة للتطوير ومتاحة بشكل كبير.</p>
<p><strong>الأدوات التي تساعد على إدارة ميلفوس</strong></p>
<p>يجب أن نشكر <a href="https://zilliz.com/">Zilliz</a> على المساهمة الرائعة لأدوات الإدارة. لدينا الآن <a href="https://milvus.io/docs/v2.0.x/attu.md">Attu،</a> التي تسمح لنا بالتفاعل مع ميلفوس عبر واجهة مستخدم رسومية سهلة الاستخدام، و <a href="https://milvus.io/docs/v2.0.x/cli_overview.md">Milvus_CLI،</a> وهي أداة سطر أوامر لإدارة ميلفوس.</p>
<p>بفضل جميع المساهمين البالغ عددهم 212 مساهمًا، أنهى المجتمع 6718 التزامًا خلال الأشهر الستة الماضية، وتم إغلاق الكثير من مشكلات الاستقرار والأداء. سنقوم بفتح تقرير معيار الاستقرار والأداء بعد فترة وجيزة من إصدار 2.0 GA.</p>
<h2 id="Whats-next" class="common-anchor-header">ما التالي؟<button data-href="#Whats-next" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p><strong>الوظائف</strong></p>
<p>سيكون دعم نوع السلسلة هو الميزات القاتلة التالية لـ Milvus 2.1. سنجلب أيضًا آلية وقت البث المباشر (TTL) وإدارة ACL الأساسية لتلبية احتياجات المستخدم بشكل أفضل.</p>
<p><strong>التوفر</strong></p>
<p>نحن نعمل على إعادة هيكلة آلية جدولة تنسيق الاستعلام لدعم النسخ المتماثلة متعددة الذاكرة لكل شريحة. مع النسخ المتماثلة المتعددة النشطة، يمكن ل Milvus دعم تجاوز الفشل والتنفيذ التخميني بشكل أسرع لتقصير وقت التوقف إلى بضع ثوانٍ.</p>
<p><strong>الأداء</strong></p>
<p>سيتم عرض نتائج معايير الأداء قريباً على مواقعنا الإلكترونية. من المتوقع أن تشهد الإصدارات التالية تحسناً مذهلاً في الأداء. هدفنا هو تقليل زمن انتقال البحث إلى النصف في ظل مجموعات البيانات الأصغر ومضاعفة إنتاجية النظام.</p>
<p><strong>سهولة الاستخدام</strong></p>
<p>تم تصميم ميلفوس للتشغيل في أي مكان. سندعم Milvus على نظامي MacOS (M1 و X86) وعلى خوادم ARM في الإصدارات القليلة القادمة. سنقدم أيضًا PyMilvus المدمج بحيث يمكنك ببساطة <code translate="no">pip install</code> Milvus دون إعداد بيئة معقدة.</p>
<p><strong>حوكمة المجتمع</strong></p>
<p>سنقوم بتنقيح قواعد العضوية وتوضيح متطلبات ومسؤوليات أدوار المساهمين. هناك برنامج إرشادي قيد التطوير أيضًا؛ لأي شخص مهتم بقاعدة البيانات السحابية الأصلية و/أو البحث المتجه و/أو حوكمة المجتمع، لا تتردد في الاتصال بنا.</p>
<p>نحن متحمسون حقًا بشأن أحدث إصدار لـ Milvus GA! كما هو الحال دائمًا، يسعدنا سماع ملاحظاتك. إذا واجهتك أي مشاكل، لا تتردد في الاتصال بنا على <a href="https://github.com/milvus-io/milvus">GitHub</a> أو عبر <a href="http://milvusio.slack.com/">Slack</a>.</p>
<p><br/></p>
<p>مع أطيب التحيات,</p>
<p>شياوفان لوان</p>
<p>المشرف على مشروع ميلفوس</p>
<p><br/></p>
<blockquote>
<p><em>تم التعديل بواسطة <a href="https://github.com/claireyuw">كلير يو</a></em></p>
</blockquote>


الإعلان عن توفر Milvus 2.0 بشكل عام

<p>هذا المقال من ترجمة <a href="https://www.linkedin.com/in/yiyun-n-2aa713163/">أنجيلا ني</a>.</p>
<p>المعلومات في كل مكان في حياتنا. فمواقع ميتا (المعروفة سابقًا باسم فيسبوك) وإنستغرام وتويتر وغيرها من منصات التواصل الاجتماعي تجعل تدفقات المعلومات أكثر انتشارًا في كل مكان. ولذلك، أصبحت المحركات التي تتعامل مع تدفقات المعلومات هذه ضرورية في معظم بنية الأنظمة. ولكن، بصفتك مستخدمًا لمنصات التواصل الاجتماعي والتطبيقات ذات الصلة، أراهن أنك لا بد وأنك قد انزعجت من تكرار المقالات والأخبار والميمات وغيرها. إن التعرض للمحتوى المكرر يعيق عملية استرجاع المعلومات ويؤدي إلى تجربة مستخدم سيئة.</p>
<p>بالنسبة للمنتج الذي يتعامل مع تدفقات المعلومات، من أولويات المطورين إيجاد معالج بيانات مرن يمكن دمجه بسلاسة في بنية النظام لإلغاء تكرار الأخبار أو الإعلانات المتطابقة.</p>
<p>تعد شركة<a href="https://www.smartnews.com/en/">SmartNews،</a> التي تبلغ قيمتها <a href="https://techcrunch.com/2021/09/15/news-aggregator-smartnews-raises-230-million-valuing-its-business-at-2-billion/">2 مليار دولار أمريكي،</a> أكثر شركات التطبيقات الإخبارية قيمة في الولايات المتحدة. والجدير بالذكر أنها كانت مستخدماً لقاعدة بيانات Milvus، وهي قاعدة بيانات متجهة مفتوحة المصدر، ولكنها تحولت فيما بعد إلى مساهم نشط في مشروع Milvus.</p>
<p>تشارك هذه المقالة قصة SmartNews وتحكي لماذا قررت تقديم مساهمات في مشروع Milvus.</p>
<h2 id="An-overview-of-SmartNews" class="common-anchor-header">لمحة عامة عن سمارت نيوز<button data-href="#An-overview-of-SmartNews" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>تأسست SmartNews في عام 2012، ويقع مقرها الرئيسي في طوكيو، اليابان. لطالما احتل تطبيق الأخبار الذي طورته SmartNews <a href="https://www.businessinsider.com/guides/smartnews-free-news-app-2018-9">المرتبة الأولى</a> في السوق اليابانية. SmartNews هو تطبيق الأخبار <a href="https://about.smartnews.com/en/2019/06/12/smartnews-builds-global-momentum-with-over-500-us-growth-new-executives-and-three-new-offices/">الأسرع نموًا،</a> كما أنه يتميز أيضًا <a href="https://about.smartnews.com/en/2018/07/21/smartnews-reaches-more-than-10-million-monthly-active-users-in-the-united-states-and-japan/">بلزوجة عالية للمستخدمين</a> في السوق الأمريكية. ووفقًا لإحصائيات <a href="https://www.appannie.com/en/">APP Annie،</a> احتل متوسط مدة الجلسة الشهرية لتطبيق SmartNews المرتبة الأولى بين جميع تطبيقات الأخبار بنهاية يوليو 2021، أي أكبر من مدة الجلسة المتراكمة لتطبيق AppleNews وGoogle News.</p>
<p>مع النمو السريع لقاعدة المستخدمين واللزوجة، يتعين على SmartNews مواجهة المزيد من التحديات من حيث آلية التوصية وخوارزمية الذكاء الاصطناعي. وتشمل هذه التحديات استخدام ميزات منفصلة ضخمة في التعلم الآلي واسع النطاق (ML)، وتسريع الاستعلام عن البيانات غير المهيكلة مع البحث عن التشابه المتجه، وغير ذلك.</p>
<p>في بداية عام 2021، أرسل فريق خوارزمية الإعلانات الديناميكية في SmartNews طلبًا إلى فريق البنية التحتية للذكاء الاصطناعي بضرورة تحسين وظائف استدعاء الإعلانات والاستعلام عنها. بعد شهرين من البحث، قرر مهندس البنية التحتية للذكاء الاصطناعي شو استخدام Milvus، وهي قاعدة بيانات متجهة مفتوحة المصدر تدعم فهارس متعددة ومقاييس تشابه وتحديثات البيانات عبر الإنترنت. تحظى Milvus بثقة أكثر من ألف مؤسسة حول العالم.</p>
<h2 id="Advertisement-recommendation-powered-by-vector-similarity-search" class="common-anchor-header">توصية الإعلانات مدعومة بالبحث عن التشابه المتجه<button data-href="#Advertisement-recommendation-powered-by-vector-similarity-search" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>تم اعتماد قاعدة بيانات المتجهات مفتوحة المصدر Milvus في نظام إعلانات SmartNews لمطابقة الإعلانات الديناميكية والتوصية بها من مجموعة بيانات بمقياس 10 ملايين مليون إعلان لمستخدميها. من خلال القيام بذلك، يمكن لـ SmartNews إنشاء علاقة مطابقة بين مجموعتي بيانات لم يكن من الممكن مطابقتها من قبل - بيانات المستخدم وبيانات الإعلانات. في الربع الثاني من عام 2021، تمكنت Shu من نشر Milvus 1.0 على Kubernetes. تعرف على المزيد حول كيفية <a href="https://milvus.io/docs">نشر Milvus</a>.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/image1_2a88ed162f.png" alt="img" class="doc-image" id="img" />
   </span> <span class="img-wrapper"> <span>img</span> </span></p>
<p>بعد النشر الناجح لـ Milvus 1.0، كان أول مشروع يستخدم Milvus هو مشروع استدعاء الإعلانات الذي بدأه فريق الإعلانات في SmartNews. خلال المرحلة الأولية، كانت مجموعة بيانات الإعلانات على نطاق مليون. وفي الوقت نفسه، تم التحكم في زمن انتقال P99 بشكل صارم في أقل من 10 ميلي ثانية.</p>
<p>في يونيو 2021، قام شو وزملاؤه في فريق الخوارزمية بتطبيق Milvus على المزيد من سيناريوهات الأعمال وحاولوا تجميع البيانات وتحديث البيانات/الفهرس عبر الإنترنت في الوقت الفعلي.</p>
<p>حتى الآن، تم استخدام قاعدة البيانات المتجهة مفتوحة المصدر Milvus في سيناريوهات الأعمال المختلفة في SmartNews، بما في ذلك التوصية بالإعلانات.</p>
<h2 id="From-a-user-to-an-active-contributor" class="common-anchor-header"><strong>من مستخدم إلى مساهم نشط</strong><button data-href="#From-a-user-to-an-active-contributor" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>أثناء دمج Milvus في بنية منتج Smartnews، تقدم شو والمطورون الآخرون بطلبات لوظائف مثل إعادة التحميل السريع، ووقت بقاء العنصر على قيد الحياة، وتحديث/استبدال العنصر، وغير ذلك. هذه أيضًا وظائف مطلوبة من قبل العديد من المستخدمين في مجتمع Milvus. لذلك، قرّر دينيس تشاو، رئيس فريق البنية التحتية للذكاء الاصطناعي في SmartNews، تطوير وظيفة إعادة التحميل السريع والمساهمة بها في المجتمع. يعتقد دينيس أن "فريق SmartNews استفاد من مجتمع Milvus، لذلك نحن على أتم الاستعداد للمساهمة إذا كان لدينا شيء نشاركه مع المجتمع".</p>
<p>تدعم إعادة تحميل البيانات تحرير الكود أثناء تشغيل الكود. بمساعدة إعادة تحميل البيانات، لم يعد المطورون بحاجة إلى التوقف عند نقطة توقف أو إعادة تشغيل التطبيق. بدلاً من ذلك، يمكنهم تحرير الكود مباشرةً ورؤية النتيجة في الوقت الفعلي.</p>
<p>في أواخر يوليو، اقترح المهندس يوسوب في SmartNews فكرة استخدام <a href="https://milvus.io/docs/v2.0.x/collection_alias.md#Collection-Alias">الاسم المستعار للم</a> جموعة لتحقيق إعادة التحميل السريع.</p>
<p>يشير إنشاء الأسماء المستعارة للمجموعة إلى تحديد أسماء مستعارة لمجموعة ما. يمكن أن يكون للمجموعة أسماء مستعارة متعددة. ومع ذلك، يتوافق الاسم المستعار مع مجموعة واحدة كحد أقصى. ببساطة ارسم تشابهًا بين المجموعة والخزانة. فالخزانة، مثل المجموعة، لها رقمها وموضعها الخاص بها، والذي سيبقى دائمًا دون تغيير. ومع ذلك، يمكنك دائمًا وضع وسحب أشياء مختلفة من الخزانة. وبالمثل، اسم المجموعة ثابت ولكن البيانات الموجودة في المجموعة ديناميكية. يمكنك دائمًا إدراج أو حذف المتجهات في المجموعة، حيث أن حذف البيانات مدعوم في <a href="https://milvus.io/docs/v2.0.x/release_notes.md#v200-PreGA">إصدار</a> ميلفوس <a href="https://milvus.io/docs/v2.0.x/release_notes.md#v200-PreGA">ما قبل GA</a>.</p>
<p>في حالة أعمال الإعلانات في SmartNews، يتم إدراج أو تحديث ما يقرب من 100 مليون ناقل عند إنشاء نواقل إعلانات ديناميكية جديدة. هناك عدة حلول لهذا الأمر:</p>
<ul>
<li>الحل 1: حذف البيانات القديمة أولاً وإدراج بيانات جديدة.</li>
<li>الحل 2: إنشاء مجموعة جديدة للبيانات الجديدة.</li>
<li>الحل 3: استخدام اسم مستعار للمجموعة.</li>
</ul>
<p>بالنسبة للحل 1، فإن أحد أوجه القصور الأكثر وضوحًا هو أنه يستغرق وقتًا طويلاً للغاية، خاصةً عندما تكون مجموعة البيانات المراد تحديثها هائلة. عادةً ما يستغرق تحديث مجموعة بيانات على نطاق 100 مليون بيانات ساعات.</p>
<p>أما بالنسبة للحل 2، تكمن المشكلة في أن المجموعة الجديدة ليست متاحة للبحث على الفور. أي أن المجموعة غير قابلة للبحث أثناء التحميل. بالإضافة إلى ذلك، لا يسمح ميلفوس لمجموعتين باستخدام نفس اسم المجموعة. سيتطلب التبديل إلى مجموعة جديدة دائمًا أن يقوم المستخدمون بتعديل التعليمات البرمجية من جانب العميل يدويًا. وهذا يعني أنه يتعين على المستخدمين مراجعة قيمة المعلمة <code translate="no">collection_name</code> في كل مرة يحتاجون فيها إلى التبديل بين المجموعات.</p>
<p>سيكون الحل 3 هو الحل السحري. ما عليك سوى إدراج البيانات الجديدة في مجموعة جديدة واستخدام الاسم المستعار للمجموعة. من خلال القيام بذلك، ما عليك سوى تبديل الاسم المستعار للمجموعة في كل مرة تحتاج فيها إلى تبديل المجموعة لإجراء البحث. لا تحتاج إلى بذل جهود إضافية لمراجعة الكود. هذا الحل يوفر عليك المشاكل المذكورة في الحلين السابقين.</p>
<p>بدأ Yusup من هذا الطلب وساعد فريق SmartNews بأكمله في فهم بنية Milvus. بعد شهر ونصف الشهر، تلقى مشروع Milvus تقريرًا عن إعادة التحميل السريع من Yusup. وفي وقت لاحق، أصبحت هذه الوظيفة متاحة رسميًا مع إصدار Milvus 2.0.0-RC7.</p>
<p>حاليًا، يأخذ فريق البنية التحتية للذكاء الاصطناعي زمام المبادرة لنشر Milvus 2.0 وترحيل جميع البيانات تدريجيًا من Milvus 1.0 إلى 2.0.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/image2_96c064a627.png" alt="img_collection alias" class="doc-image" id="img_collection-alias" />
   </span> <span class="img-wrapper"> <span>الاسم المستعار لمجموعة img_collection</span> </span></p>
<p>يمكن أن يؤدي دعم الاسم المستعار للمجموعة إلى تحسين تجربة المستخدم إلى حد كبير، خاصة بالنسبة لشركات الإنترنت الكبيرة التي لديها كميات كبيرة من طلبات المستخدمين. قال تشنغلونغ لي، مهندس البيانات من مجتمع Milvus، الذي ساعد في بناء الجسر بين Milvus وSmartnews، "تنشأ وظيفة الاسم المستعار للمجموعة من طلب عمل حقيقي من SmartNews، أحد مستخدمي Milvus. وساهمت SmartNews بالشفرة لمجتمع Milvus. هذا العمل التبادلي هو مثال رائع على روح المصدر المفتوح: من المجتمع ومن أجل المجتمع. نأمل أن نرى المزيد من المساهمين مثل SmartNews وأن نبني معًا مجتمع Milvus أكثر ازدهارًا."</p>
<p>"في الوقت الحالي، يعتمد جزء من الأعمال الإعلانية على ميلفوس كقاعدة بيانات متجهة دون اتصال بالإنترنت. يقترب الإصدار الرسمي لـ Mivus 2.0، ونأمل أن نتمكن من استخدام Milvus لبناء أنظمة أكثر موثوقية وتوفير خدمات في الوقت الفعلي لمزيد من سيناريوهات الأعمال."</p>
<blockquote>
<p>تحديث: Milvus 2.0 متاح الآن بشكل عام! <a href="/blog/ar/2022-1-25-annoucing-general-availability-of-milvus-2-0.md">اعرف المزيد</a></p>
</blockquote>


قصة سمارت نيوز - من مستخدم لميلفوس إلى مساهم نشط

<p>كان عام 2021 عامًا رائعًا بالنسبة لميلفوس كمشروع مفتوح المصدر. وأود أن أتوقف لحظة لأشكر جميع المساهمين والمستخدمين في ميلفوس، وكذلك الشركاء على مساهمتهم في هذا العام الرائع.</p>
<p><strong>واحدة من أكثر اللحظات إثارة للإعجاب في هذا العام بالنسبة لي هي إصدار الإصدار 2.0 من ميلفوس. قبل أن نبدأ هذا المشروع، لم يكن يعتقد سوى عدد قليل من أعضاء المجتمع أن بإمكاننا تقديم قاعدة بيانات المتجهات الأكثر تقدمًا في العالم، لكنني الآن فخور بأن أقول إن Milvus 2.0 GA جاهز للإنتاج.</strong></p>
<p>نحن نعمل بالفعل على مجموعة جديدة ومثيرة من التحديات لعام 2022، لكنني اعتقدت أنه سيكون من الممتع الاحتفال ببعض الخطوات الكبيرة التي اتخذناها العام الماضي. إليك بعضها:</p>
<h2 id="Community-Growth" class="common-anchor-header">نمو المجتمع<button data-href="#Community-Growth" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>أولاً، إليك ملخص لإحصائيات المجتمع من GitHub و Slack. بنهاية ديسمبر 2021</p>
<ul>
<li><p>زاد عدد<strong>المساهمين</strong> من 121 في ديسمبر 2020 إلى 209 في ديسمبر 2021 (بزيادة 172%)</p></li>
<li><p>زادت<strong>النجوم</strong> من 4828 في ديسمبر 2020 إلى 9090 في ديسمبر 2021 (بزيادة 188%)</p></li>
<li><p>زاد عدد<strong>أعضاء سلاك</strong> من 756 في ديسمبر 2020 إلى 1383 في ديسمبر 2021 (بزيادة 182%)</p></li>
<li><p>زاد<strong>عدد أعضاء سلاك</strong> من 541 في ديسمبر 2020 إلى 1233 في ديسمبر 2021 (بزيادة 227%)</p></li>
</ul>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/1_1_e94deb087f.png" alt="img" class="doc-image" id="img" />
   </span> <span class="img-wrapper"> <span>img</span> </span></p>
<h2 id="Community-Governance-and-Advocacy" class="common-anchor-header">حوكمة المجتمع والمناصرة<button data-href="#Community-Governance-and-Advocacy" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>عندما أصبح مشروع ميلفوس مفتوح المصدر لأول مرة في أكتوبر 2019، كان لدينا فريق صغير نسبيًا ومجتمع صغير، لذلك كان من الطبيعي أن يدير المشروع بشكل أساسي عدد قليل من أعضاء الفريق الأساسيين. ولكن منذ ذلك الحين نما المجتمع بشكل كبير، وأدركنا أننا بحاجة إلى نظام أفضل لإدارة المشروع حتى نتمكن من الترحيب بالمساهمين الجدد بكفاءة أكبر.</p>
<p>ونتيجة لذلك، قمنا بتعيين 5 مشرفين جدد في عام 2021 لتتبع الأعمال الجارية والمشكلات المبلغ عنها للتأكد من مراجعتها ودمجها في الوقت المناسب. معرّفات GitHub للمشرفين الخمسة هي: @xiaofan-luan؛ @congqixia؛ @scsven؛ @czs007؛ @yanliang567. لا تتردد في الاتصال بهؤلاء المشرفين إذا كنت بحاجة إلى مساعدة في علاقاتك العامة.</p>
<p>لقد أطلقنا أيضًا <a href="https://milvus.io/community/milvus_advocate.md">برنامج Milvus Advocate Program،</a> ونرحب بالمزيد من الأشخاص للانضمام إلينا لمشاركة خبراتك وتقديم المساعدة لأعضاء المجتمع والحصول على التقدير في المقابل.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/1_2_835f379fb0.png" alt="img" class="doc-image" id="img" />
   </span> <span class="img-wrapper"> <span>img</span> </span></p>
<p>(الصورة: المساهمون في مشروع Milvus GitHub، تم إنشاؤه باستخدام <a href="https://github.com/dynamicwebpaige/nanowrimo-2021/blob/main/15_VS_Code_contributors.ipynb">مشروع</a> ديناميكويبايج)</p>
<h2 id="Milvus-Project-Announcements-and-Milestones" class="common-anchor-header">إعلانات مشروع ميلفوس والمعالم الرئيسية<button data-href="#Milvus-Project-Announcements-and-Milestones" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><ol>
<li><strong>عدد إصدارات الإصدار ：14</strong></li>
</ol>
<ul>
<li><a href="https://milvus.io/blog/Whats-Inside-Milvus-1.0.md">إصدار ميلفوس 1.0</a></li>
<li><a href="https://milvus.io/blog/milvus2.0-redefining-vector-database.md">إصدار Milvus 2.0 Milvus 2.0 RC</a></li>
<li><a href="https://milvus.io/docs/v2.0.x/release_notes.md#v200-PreGA">إصدار Milvus 2.0 Milvus 2.0 PreGA</a></li>
</ul>
<ol>
<li><strong>مجموعة أدوات تطوير البرمجيات المدعومة من Milvus v2.0.0 GA</strong></li>
</ol>
<ul>
<li><p>PyMilvus (متوفر)</p></li>
<li><p>Go SDK (متوفر)</p></li>
<li><p>جافا SDK (متوفر)</p></li>
<li><p>Node.js SDK (متوفر)</p></li>
<li><p>C++ SDK (قيد التطوير)</p></li>
</ul>
<ol start="3">
<li><strong>تم إطلاق أدوات Milvus الجديدة</strong></li>
</ol>
<ul>
<li><a href="https://github.com/zilliztech/milvus_cli#community">Milvus_CLI</a> (سطر أوامر Milvus)</li>
<li><a href="https://github.com/zilliztech/attu">Attu</a> (واجهة المستخدم الرسومية لإدارة Milvus)</li>
<li><a href="https://github.com/milvus-io/milvus-operator">مشغل Milvus K8s Milvus</a></li>
</ul>
<ol start="4">
<li><p><strong><a href="https://lfaidata.foundation/blog/2021/06/23/lf-ai-data-foundation-announces-graduation-of-milvus-project/">أصبح Milvus مشروع تخرج من مؤسسة LF للذكاء الاصطناعي والبيانات.</a></strong></p></li>
<li><p><strong><a href="https://www.cs.purdue.edu/homes/csjgwang/pubs/SIGMOD21_Milvus.pdf">ميلفوس: نظام إدارة بيانات المتجهات المصمم لغرض معين والمنشور في SIGMOD'2021</a>)</strong></p></li>
<li><p><strong><a href="https://discuss.milvus.io/">إطلاق منتدى مجتمع ميلفوس.</a></strong></p></li>
</ol>
<h2 id="Community-Events" class="common-anchor-header">فعاليات المجتمع<button data-href="#Community-Events" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>لقد استضفنا وانضممنا إلى العديد من الفعاليات هذا العام حتى يتمكن أعضاء مجتمعنا العالمي من الالتقاء (معظمها افتراضيًا) على الرغم من الوضع الحالي لجائحة كوفيد-19. في المجمل، حضرنا 21 مؤتمرًا واستضفنا</p>
<ul>
<li>6 اجتماعات تقنية</li>
<li>7 ساعات عمل ميلفوس المكتبية</li>
<li>34 ندوة عبر الإنترنت</li>
<li>3 لقاءات غير متصلة بالإنترنت</li>
</ul>
<p>نحن نخطط لمزيد من الفعاليات في عام 2022. إذا كنت ترغب في الانضمام إلى الفعاليات القريبة منك، يُرجى مراجعة فئة <a href="https://discuss.milvus.io/c/events-and-meetups/13">الفعاليات واللقاءات</a> في منتدى مجتمعنا للاطلاع على الفعاليات القادمة ومواقعها. إذا كنت ترغب في أن تكون المتحدث أو المضيف للفعاليات المستقبلية، يرجى الاتصال بنا على <a href="mailto:community@milvus.io">community@milvus.io.</a></p>
<h2 id="Looking-Ahead-to-2022--Roadmap--Announcement" class="common-anchor-header">التطلع إلى عام 2022- خارطة الطريق والإعلان عنها<button data-href="#Looking-Ahead-to-2022--Roadmap--Announcement" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p><strong>المجتمع:</strong></p>
<ol>
<li>تحسين عضوية مشروع ميلفوس لجذب/انتخاب المزيد من المشرفين والملتزمين لبناء المجتمع معًا.</li>
<li>إطلاق برنامج الإرشاد لتقديم المزيد من المساعدة للقادمين الجدد الذين يرغبون في الانضمام إلى المجتمع والمساهمة.</li>
<li>تحسين إدارة وثائق المجتمع، بما في ذلك <strong>الوثائق التقنية وأدلة المستخدم ووثائق المجتمع</strong>. في عام 2022، نأمل أن يتمكن أعضاء مجتمعنا من إكمال دليل ميلفوس معًا حتى يتمكن الناس من تعلم كيفية استخدام ميلفوس بشكل أفضل.</li>
<li>تعزيز التعاون والتفاعل مع المجتمعات الأخرى مفتوحة المصدر، بما في ذلك مجتمعات الذكاء الاصطناعي ومجتمعات مثل Kubernetes وMinIO وPulsar التي تعتمد عليها ميلفوس.</li>
<li>أن تصبح أكثر توجهاً نحو المجتمع من خلال عقد المزيد من اجتماعات SIG المنتظمة. إلى جانب sig-pymilvus التي تعمل حاليًا، فإن خطتنا هي أن يكون لدينا المزيد من مجموعات SIGs في عام 2022.</li>
</ol>
<p><strong>مشروع ميلفوس:</strong></p>
<ol>
<li>ضبط الأداء</li>
</ol>
<p>لطالما كان الأداء الممتاز سببًا مهمًا في اختيار المستخدمين لـ Milvus. في عام 2022، نخطط لبدء مشروع تحسين الأداء لزيادة الإنتاجية والتأخير بمقدار الضعف على الأقل. كما نخطط أيضًا لتقديم نسخ متماثلة للذاكرة لتحسين الإنتاجية واستقرار النظام في ظل مجموعة بيانات صغيرة، ودعم وحدة معالجة الرسومات لتسريع بناء الفهرس والعرض عبر الإنترنت.</p>
<ol start="2">
<li>الوظائف</li>
</ol>
<p>لقد دعمت Milvus 2.0 بالفعل وظائف مثل البحث الهجين المتجه/المتعدد وحذف الكيانات والسفر عبر الزمن. نخطط لدعم الميزات التالية في الإصدارين الرئيسيين التاليين:</p>
<ul>
<li>دعم أنواع البيانات الأكثر ثراءً: السلسلة، والنقطة، والجغرافية المكانية، وما إلى ذلك.</li>
<li>التحكم في الوصول المستند إلى الدور</li>
<li>إلغاء تكرار المفتاح الأساسي</li>
<li>دعم البحث في النطاق على المتجهات (البحث حيث المسافة &lt; 0.8)</li>
<li>دعم واجهة برمجة التطبيقات المريحة، ومجموعات أدوات تطوير البرمجة الخاصة باللغات الأخرى</li>
</ul>
<ol start="3">
<li>سهولة الاستخدام</li>
</ol>
<p>نخطط في العام القادم لتطوير العديد من الأدوات للمساعدة في نشر وإدارة Milvus بشكل أفضل.</p>
<ul>
<li><p>Milvus up:  مكوّن نشر يساعد المستخدمين على نشر ميلفوس في بيئة غير متصلة بالإنترنت بدون مجموعة K8s. كما أنه يساعد على نشر المراقبة والتتبع وغيرها من تطوير ميلفوس.</p></li>
<li><p>Attu - سنستمر في تحسين Attu كنظام إدارة الكتلة لدينا. نحن نخطط لإضافة وظائف مثل التشخيص الصحي وتحسين الفهرس.</p></li>
<li><p>Milvus DM: أداة ترحيل البيانات لترحيل المتجهات من قاعدة بيانات أو ملفات أخرى إلى Milvus. سنقوم أولاً بدعم FAISS وHNSW وMilvus 1.0/2.0، ثم قواعد البيانات الأخرى مثل MySQL وElasticsearch.</p></li>
</ul>
<h2 id="About-the-author" class="common-anchor-header">نبذة عن المؤلف<button data-href="#About-the-author" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>شياوفان لوان، شريك ومدير الهندسة في شركة Zilliz، وعضو اللجنة الاستشارية الفنية لمؤسسة LF AI &amp; Data Foundation. عمل على التوالي في المقر الرئيسي لشركة أوراكل في الولايات المتحدة وشركة Hedvig، وهي شركة ناشئة للتخزين المعرّف بالبرمجيات. انضم إلى فريق قاعدة بيانات علي بابا السحابية وكان مسؤولاً عن تطوير قاعدة بيانات NoSQL HBase وLindorm. حصل لوان على درجة الماجستير في هندسة الحاسبات الإلكترونية من جامعة كورنيل.</p>


ميلفوس في 2021 - نظرة على العام 2021

<p>في عصر الانفجار المعلوماتي، أصبحنا ننتج الصوت والصور ومقاطع الفيديو وغيرها من البيانات غير المنظمة طوال الوقت. كيف يمكننا تحليل هذا الكم الهائل من البيانات بكفاءة؟ يتيح ظهور الشبكات العصبية إمكانية تضمين البيانات غير المهيكلة في صورة متجهات، وقاعدة بيانات Milvus هي برنامج أساسي لخدمة البيانات، يساعد على إكمال تخزين البيانات المتجهة والبحث عنها وتحليلها.</p>
<p>ولكن كيف يمكننا استخدام قاعدة بيانات المتجهات Milvus بسرعة؟</p>
<p>اشتكى بعض المستخدمين من صعوبة حفظ واجهات برمجة التطبيقات، ويأملون في وجود سطور أوامر بسيطة لتشغيل قاعدة بيانات Milvus.</p>
<p>يسرنا أن نقدم لكم Milvus_CLI، وهي أداة سطر أوامر مخصصة لقاعدة بيانات Milvus vector.</p>
<p>Milvus_CLI عبارة عن واجهة برمجية مريحة لقاعدة بيانات Milvus، تدعم الاتصال بقاعدة البيانات واستيراد البيانات وتصدير البيانات وحساب المتجهات باستخدام الأوامر التفاعلية في الأصداف. يحتوي أحدث إصدار من Milvus_CLI على الميزات التالية.</p>
<ul>
<li><p>دعم جميع الأنظمة الأساسية، بما في ذلك ويندوز وماك ولينكس</p></li>
<li><p>يدعم التثبيت عبر الإنترنت وغير متصل بالإنترنت مع دعم النقطة</p></li>
<li><p>محمول، يمكن استخدامه في أي مكان</p></li>
<li><p>مبني على Milvus SDK ل Python</p></li>
<li><p>مستندات المساعدة مضمنة</p></li>
<li><p>الإكمال التلقائي مدعوم</p></li>
</ul>
<h2 id="Installation" class="common-anchor-header">التثبيت<button data-href="#Installation" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>يمكنك تثبيت Milvus_CLI إما عبر الإنترنت أو دون اتصال بالإنترنت.</p>
<h3 id="Install-MilvusCLI-online" class="common-anchor-header">تثبيت Milvus_CLI عبر الإنترنت</h3><p>قم بتشغيل الأمر التالي لتثبيت Milvus_CLI عبر الإنترنت باستخدام pip. مطلوب Python 3.8 أو أحدث.</p>
<pre><code translate="no">pip install milvus-cli
<button class="copy-code-btn"></button></code></pre>
<h3 id="Install-MilvusCLI-offline" class="common-anchor-header">تثبيت Milvus_CLI دون اتصال بالإنترنت</h3><p>لتثبيت ملف Milvus_CLI دون اتصال بالإنترنت، قم <a href="https://github.com/milvus-io/milvus_cli/releases">بتنزيل</a> أحدث نسخة من صفحة الإصدار أولاً.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/1_af0e832119.png" alt="1.png" class="doc-image" id="1.png" />
   </span> <span class="img-wrapper"> <span>1.png</span> </span></p>
<p>بعد تنزيل كرة القطران، قم بتشغيل الأمر التالي لتثبيت Milvus_CLI.</p>
<pre><code translate="no">pip install milvus_cli-&lt;version&gt;.tar.gz
<button class="copy-code-btn"></button></code></pre>
<p>بعد تثبيت Milvus_CLI، قم بتشغيل <code translate="no">milvus_cli</code>. يشير موجه <code translate="no">milvus_cli &gt;</code> الذي يظهر إلى أن سطر الأوامر جاهز.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/2_b50f5d2a5a.png" alt="2.png" class="doc-image" id="2.png" />
   </span> <span class="img-wrapper"> <span>2.png</span> </span></p>
<p>إذا كنت تستخدم جهاز Mac مع شريحة M1 أو جهاز كمبيوتر بدون بيئة Python، يمكنك اختيار استخدام تطبيق محمول بدلاً من ذلك. ولتحقيق ذلك، قم <a href="https://github.com/milvus-io/milvus_cli/releases">بتنزيل</a> ملف على صفحة الإصدار المطابق لنظام التشغيل الخاص بك، وقم بتشغيل <code translate="no">chmod +x</code> على الملف لجعله قابلاً للتنفيذ، ثم قم بتشغيل <code translate="no">./</code> على الملف لتشغيله.</p>
<h4 id="Example" class="common-anchor-header"><strong>مثال</strong></h4><p>المثال التالي يجعل الملف <code translate="no">milvus_cli-v0.1.8-fix2-macOS</code> قابلاً للتنفيذ ويقوم بتشغيله.</p>
<pre><code translate="no"><span class="hljs-built_in">sudo</span> <span class="hljs-built_in">chmod</span> +x milvus_cli-v0.1.8-fix2-macOS
./milvus_cli-v0.1.8-fix2-macOS
<button class="copy-code-btn"></button></code></pre>
<h2 id="Usage" class="common-anchor-header">الاستخدام<button data-href="#Usage" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><h3 id="Connect-to-Milvus" class="common-anchor-header">الاتصال بميلفوس</h3><p>قبل الاتصال بـ Milvus، تأكد من تثبيت Milvus على الخادم الخاص بك. راجع <a href="https://milvus.io/docs/v2.0.x/install_standalone-docker.md">تثبيت Milvus Standalone</a> أو <a href="https://milvus.io/docs/v2.0.x/install_cluster-docker.md">تثبيت Milvus Cluster</a> لمزيد من المعلومات.</p>
<p>إذا تم تثبيت Milvus على المضيف المحلي الخاص بك مع المنفذ الافتراضي، قم بتشغيل <code translate="no">connect</code>.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/3_f950d3739a.png" alt="3.png" class="doc-image" id="3.png" />
   </span> <span class="img-wrapper"> <span>3.png</span> </span></p>
<p>خلاف ذلك، قم بتشغيل الأمر التالي باستخدام عنوان IP لخادم Milvus الخاص بك. يستخدم المثال التالي <code translate="no">172.16.20.3</code> كعنوان IP و <code translate="no">19530</code> كرقم المنفذ.</p>
<pre><code translate="no">connect -h 172.16.20.3
<button class="copy-code-btn"></button></code></pre>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/4_9ff2db9855.png" alt="4.png" class="doc-image" id="4.png" />
   </span> <span class="img-wrapper"> <span>4.png</span> </span></p>
<h3 id="Create-a-collection" class="common-anchor-header">إنشاء مجموعة</h3><p>يقدم هذا القسم كيفية إنشاء مجموعة.</p>
<p>تتكون المجموعة من كيانات وتشبه الجدول في RDBMS. راجع <a href="https://milvus.io/docs/v2.0.x/glossary.md">المسرد</a> لمزيد من المعلومات.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/5_95a88c1cbf.png" alt="5.png" class="doc-image" id="5.png" />
   </span> <span class="img-wrapper"> <span>5.png</span> </span></p>
<h4 id="Example" class="common-anchor-header">مثال</h4><p>يقوم المثال التالي بإنشاء مجموعة باسم <code translate="no">car</code>. تحتوي المجموعة <code translate="no">car</code> على أربعة حقول هي: <code translate="no">id</code> و <code translate="no">vector</code> و <code translate="no">color</code> و <code translate="no">brand</code>. حقل المفتاح الأساسي هو <code translate="no">id</code>. راجع <a href="https://milvus.io/docs/v2.0.x/cli_commands.md#create-collection">إنشاء مجموعة</a> لمزيد من المعلومات.</p>
<pre><code translate="no">create collection -c car -f <span class="hljs-built_in">id</span>:INT64:primary_field -f vector:FLOAT_VECTOR:<span class="hljs-number">128</span> -f color:INT64:color -f brand:INT64:brand -p <span class="hljs-built_in">id</span> -a -d <span class="hljs-string">&#x27;car_collection&#x27;</span>
<button class="copy-code-btn"></button></code></pre>
<h3 id="List-collections" class="common-anchor-header">سرد المجموعات</h3><p>قم بتشغيل الأمر التالي لسرد كافة المجموعات في مثيل Milvus هذا.</p>
<pre><code translate="no">list collections
<button class="copy-code-btn"></button></code></pre>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/6_1331f4c8bc.png" alt="6.png" class="doc-image" id="6.png" />
   </span> <span class="img-wrapper"> <span>6.png</span> </span></p>
<p>قم بتشغيل الأمر التالي للتحقق من تفاصيل المجموعة <code translate="no">car</code>.</p>
<pre><code translate="no">describe collection -c car 
<button class="copy-code-btn"></button></code></pre>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/7_1d70beee54.png" alt="7.png" class="doc-image" id="7.png" />
   </span> <span class="img-wrapper"> <span>7.png</span> </span></p>
<h3 id="Calculate-the-distance-between-two-vectors" class="common-anchor-header">احسب المسافة بين متجهين</h3><p>قم بتشغيل الأمر التالي لاستيراد البيانات إلى المجموعة <code translate="no">car</code>.</p>
<pre><code translate="no"><span class="hljs-keyword">import</span> -c car <span class="hljs-string">&#x27;https://raw.githubusercontent.com/zilliztech/milvus_cli/main/examples/import_csv/vectors.csv&#x27;</span>
<button class="copy-code-btn"></button></code></pre>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/8_7609a4359a.png" alt="8.png" class="doc-image" id="8.png" />
   </span> <span class="img-wrapper"> <span>8.png</span> </span></p>
<p>قم بتشغيل <code translate="no">query</code> وأدخل <code translate="no">car</code> كاسم المجموعة و <code translate="no">id&gt;0</code> كتعبير الاستعلام عندما يُطلب منك ذلك. يتم إرجاع معرفات الكيانات التي تستوفي المعايير كما هو موضح في الشكل التالي.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/9_f0755589f6.png" alt="9.png" class="doc-image" id="9.png" />
   </span> <span class="img-wrapper"> <span>9.png</span> </span></p>
<p>قم بتشغيل <code translate="no">calc</code> وأدخل القيم المناسبة عند المطالبة بحساب المسافات بين مصفوفات المتجهات.</p>
<h3 id="Delete-a-collection" class="common-anchor-header">حذف مجموعة</h3><p>قم بتشغيل الأمر التالي لحذف المجموعة <code translate="no">car</code>.</p>
<pre><code translate="no"><span class="hljs-keyword">delete</span> collection -c car
<button class="copy-code-btn"></button></code></pre>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/10_16b2b01935.png" alt="10.png" class="doc-image" id="10.png" />
   </span> <span class="img-wrapper"> <span>10.png</span> </span></p>
<h2 id="More" class="common-anchor-header">المزيد<button data-href="#More" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>لا يقتصر Milvus_CLI على الوظائف السابقة. قم بتشغيل <code translate="no">help</code> لعرض جميع الأوامر التي يتضمنها Milvus_CLI والأوصاف الخاصة بها. قم بتشغيل <code translate="no">&lt;command&gt; --help</code> لعرض تفاصيل أمر محدد.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/11_5f31ccb1e8.png" alt="11.png" class="doc-image" id="11.png" />
   </span> <span class="img-wrapper"> <span>11.png</span> </span></p>
<p><strong>انظر أيضاً:</strong></p>
<p><a href="https://milvus.io/docs/v2.0.x/cli_commands.md">مرجع أوامر Milvus_CLI</a> ضمن مستندات Milvus Docs</p>
<p>نأمل أن تساعدك Milvus_CLI في استخدام قاعدة بيانات Milvus vector بسهولة. سنواصل تحسين Milvus_CLI ونرحب بمساهماتك.</p>
<p>إذا كانت لديك أي أسئلة، فلا تتردد في <a href="https://github.com/zilliztech/milvus_cli/issues">تقديم مشكلة</a> على GitHub.</p>


ابدأ باستخدام Milvus_CLI

تطور قاعدة بيانات ميلفوس السحابية القابلة للتطوير في السحابة

<p>في السنوات الأخيرة، أصبحت مسألة حماية الملكية الفكرية تحت الأضواء مع تزايد وعي الناس بانتهاك الملكية الفكرية. وعلى وجه الخصوص، نشطت شركة Apple Inc. عملاق التكنولوجيا متعددة الجنسيات في <a href="https://en.wikipedia.org/wiki/Apple_Inc._litigation">رفع دعاوى قضائية ضد شركات مختلفة لانتهاكها</a> للملكية الفكرية، بما في ذلك انتهاك العلامات التجارية وبراءات الاختراع والتصاميم. وبصرف النظر عن تلك القضايا الأكثر شهرة، <a href="https://www.smh.com.au/business/apple-bites-over-woolworths-logo-20091005-ghzr.html">اعترضت</a> شركة Apple Inc. أيضًا <a href="https://www.smh.com.au/business/apple-bites-over-woolworths-logo-20091005-ghzr.html">على طلب علامة تجارية من قبل Woolworths Limited،</a> وهي سلسلة متاجر أسترالية كبيرة، على أساس انتهاك العلامة التجارية في عام 2009.  وقد جادلت شركة Apple. Inc أن شعار العلامة التجارية الأسترالية، وهو عبارة عن حرف &quot;w&quot; منمّق، يشبه شعارها الخاص بالتفاحة. ولذلك، اعترضت شركة Apple Inc. على مجموعة المنتجات، بما في ذلك الأجهزة الإلكترونية، التي تقدمت Woolworths بطلب بيعها مع الشعار. انتهت القصة بتعديل وولوورثز لشعارها وسحب أبل اعتراضها.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/Logo_of_Woolworths_b04ece5b20.png" alt="Logo of Woolworths.png" class="doc-image" id="logo-of-woolworths.png" />
   </span> <span class="img-wrapper"> <span>شعار Woolworths.png</span> </span></p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/Logo_of_Apple_Inc_181e5bd5f8.png" alt="Logo of Apple Inc.png" class="doc-image" id="logo-of-apple-inc.png" />
   </span> <span class="img-wrapper"> <span>شعار شركة Apple Inc.png</span> </span></p>
<p>مع الوعي المتزايد بثقافة العلامات التجارية، تراقب الشركات عن كثب أي تهديدات من شأنها الإضرار بحقوق الملكية الفكرية الخاصة بها. يشمل انتهاك الملكية الفكرية ما يلي:</p>
<ul>
<li>انتهاك حقوق الطبع والنشر</li>
<li>التعدي على براءات الاختراع</li>
<li>التعدي على العلامات التجارية</li>
<li>التعدي على التصميم</li>
<li>البغاء الإلكتروني</li>
</ul>
<p>يدور النزاع المذكور أعلاه بين Apple وWoolworths بشكل أساسي حول التعدي على العلامات التجارية، وبالتحديد التشابه بين صور العلامات التجارية للكيانين. ولكي لا تصبح وول ورثز أخرى، فإن البحث الشامل عن تشابه العلامات التجارية هو خطوة حاسمة لمقدمي الطلبات قبل تقديم الطلبات وأثناء مراجعة طلبات العلامات التجارية. ويتم اللجوء الأكثر شيوعًا من خلال البحث في <a href="https://tmsearch.uspto.gov/search/search-information">قاعدة بيانات مكتب الولايات المتحدة لبراءات الاختراع والعلامات التجارية (USPTO)</a> التي تحتوي على جميع تسجيلات وطلبات العلامات التجارية النشطة وغير النشطة. وعلى الرغم من واجهة المستخدم غير الساحرة، إلا أن عملية البحث هذه تشوبها عيوب كثيرة بسبب طبيعتها القائمة على النصوص، حيث تعتمد على الكلمات ورموز تصميم العلامات التجارية (وهي عبارة عن تسميات مشروحة يدوياً لسمات التصميم) للبحث عن الصور.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/image_8_b2fff6ca11.png" alt="8.png" class="doc-image" id="8.png" />
   </span> <span class="img-wrapper"> <span>8.png</span> </span></p>
<p>وبالتالي، يهدف هذا المقال إلى عرض كيفية بناء نظام بحث فعال قائم على الصور للبحث عن تشابه العلامات التجارية باستخدام قاعدة بيانات متجهات <a href="https://milvus.io">Milvus،</a> وهي قاعدة بيانات متجهة مفتوحة المصدر.</p>
<h2 id="A-vector-similarity-search-system-for-trademarks" class="common-anchor-header">نظام بحث عن التشابه المتجه للعلامات التجارية<button data-href="#A-vector-similarity-search-system-for-trademarks" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>لبناء نظام بحث عن التشابه المتجه للعلامات التجارية، عليك اتباع الخطوات التالية:</p>
<ol>
<li>إعداد مجموعة بيانات ضخمة من الشعارات. من المحتمل أن يستخدم النظام مجموعة بيانات <a href="https://developer.uspto.gov/product/trademark-24-hour-box-and-supplemental">كهذه</a>).</li>
<li>تدريب نموذج استخراج سمات الصور باستخدام مجموعة البيانات والنماذج القائمة على البيانات أو خوارزميات الذكاء الاصطناعي.</li>
<li>تحويل الشعارات إلى متجهات باستخدام النموذج أو الخوارزمية المدرّبة في الخطوة 2.</li>
<li>قم بتخزين المتجهات وإجراء عمليات البحث عن تشابه المتجهات في قاعدة بيانات المتجهات مفتوحة المصدر Milvus.</li>
</ol>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/trademark_system_e9700df555.png" alt="Nike.png" class="doc-image" id="nike.png" />
   </span> <span class="img-wrapper"> <span>Nike.png</span> </span></p>
<p>في الأقسام التالية، دعونا نلقي نظرة فاحصة على الخطوتين الرئيسيتين في بناء نظام بحث عن تشابه المتجهات للعلامات التجارية: استخدام نماذج الذكاء الاصطناعي لاستخراج سمات الصور، واستخدام Milvus للبحث عن تشابه المتجهات. في حالتنا هذه، استخدمنا VGG16، وهي شبكة عصبية تلافيفية (CNN)، لاستخراج ميزات الصور وتحويلها إلى متجهات تضمين.</p>
<h3 id="Using-VGG16-for-image-feature-extraction" class="common-anchor-header">استخدام VGG16 لاستخراج ميزات الصورة</h3><p>إن<a href="https://medium.com/@mygreatlearning/what-is-vgg16-introduction-to-vgg16-f2d63849f615">VGG16</a> عبارة عن شبكة عصبية ملتفة (CNN) مصممة للتعرف على الصور على نطاق واسع. هذا النموذج سريع ودقيق في التعرف على الصور ويمكن تطبيقه على الصور من جميع الأحجام. فيما يلي رسمان توضيحيان لبنية VGG16.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/vgg16_layers_9e621f62cc.png" alt="9.png" class="doc-image" id="9.png" />
   </span> <span class="img-wrapper"> <span>9.png</span> </span></p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/vgg16_architecture_992614e882.png" alt="10.png" class="doc-image" id="10.png" />
   </span> <span class="img-wrapper"> <span>10.png</span> </span></p>
<p>نموذج VGG16، كما يوحي اسمه، عبارة عن شبكة CNN ذات 16 طبقة. تحتوي جميع نماذج VGG، بما في ذلك VGG16 و VGG19، على 5 كتل VGG، مع وجود طبقة أو أكثر من الطبقات التلافيفية في كل كتلة VGG. وفي نهاية كل كتلة، يتم توصيل طبقة تجميع قصوى لتقليل حجم صورة الإدخال. يكون عدد النواة متكافئًا داخل كل طبقة تلافيفية ولكنه يتضاعف في كل كتلة VGG. لذلك، يزداد عدد النوى في النموذج من 64 في الكتلة الأولى إلى 512 في الكتلتين الرابعة والخامسة. جميع النواة التلافيفية<em>بحجم 33 بينما نواة التجميع كلها بحجم 22</em>. هذا يساعد على الحفاظ على مزيد من المعلومات حول صورة الإدخال.</p>
<p>لذلك، يعد VGG16 نموذجًا مناسبًا للتعرف على الصور لمجموعات البيانات الضخمة في هذه الحالة. يمكنك استخدام Python و Tensorflow و Keras لتدريب نموذج استخراج ميزات الصور على أساس VGG16.</p>
<h3 id="Using-Milvus-for-vector-similarity-search" class="common-anchor-header">استخدام Milvus للبحث عن تشابه المتجهات</h3><p>بعد استخدام نموذج VGG16 لاستخراج ميزات الصورة وتحويل صور الشعار إلى متجهات تضمين، تحتاج إلى البحث عن متجهات متشابهة من مجموعة بيانات ضخمة.</p>
<p>Milvus عبارة عن قاعدة بيانات سحابية أصلية تتميز بقابلية توسع ومرونة عالية. أيضًا، كقاعدة بيانات، يمكنها ضمان اتساق البيانات. بالنسبة لنظام بحث عن تشابه العلامات التجارية مثل هذا، يتم تحميل بيانات جديدة مثل أحدث تسجيلات العلامات التجارية إلى النظام في الوقت الفعلي. ويجب أن تكون هذه البيانات التي تم تحميلها حديثًا متاحة للبحث على الفور. ولذلك، تعتمد هذه المقالة على قاعدة البيانات المتجهة مفتوحة المصدر Milvus، لإجراء بحث تشابه المتجهات.</p>
<p>عند إدراج متجهات الشعار، يمكنك إنشاء مجموعات في Milvus لأنواع مختلفة من متجهات الشعار وفقًا <a href="https://en.wikipedia.org/wiki/International_(Nice)_Classification_of_Goods_and_Services">للتصنيف الدولي (نيس) للسلع والخدمات،</a> وهو نظام لتصنيف السلع والخدمات لتسجيل العلامات التجارية. على سبيل المثال، يمكنك إدراج مجموعة من ناقلات شعارات العلامات التجارية للملابس في مجموعة باسم &quot;الملابس&quot; في ميلفوس وإدراج مجموعة أخرى من ناقلات شعارات العلامات التجارية التكنولوجية في مجموعة مختلفة باسم &quot;التكنولوجيا&quot;. من خلال القيام بذلك، يمكنك زيادة كفاءة وسرعة البحث عن تشابه المتجهات بشكل كبير.</p>
<p>لا يدعم Milvus فهارس متعددة للبحث عن تشابه المتجهات فحسب، بل يوفر أيضًا واجهات برمجة تطبيقات وأدوات غنية لتسهيل عمليات التطوير. الرسم البياني التالي هو توضيح <a href="https://milvus.io/docs/v2.0.x/architecture_overview.md">لبنية Milvus</a>. يمكنك معرفة المزيد عن Milvus من خلال قراءة <a href="https://milvus.io/docs/v2.0.x/overview.md">مقدمته</a>.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/milvus_architecture_ea45a5ab53.png" alt="11.png" class="doc-image" id="11.png" />
   </span> <span class="img-wrapper"> <span>11.png</span> </span></p>
<h2 id="Looking-for-more-resources" class="common-anchor-header">هل تبحث عن المزيد من الموارد؟<button data-href="#Looking-for-more-resources" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><ul>
<li><p>بناء المزيد من أنظمة البحث عن تشابه المتجهات لسيناريوهات التطبيقات الأخرى باستخدام Milvus:</p>
<ul>
<li><a href="https://milvus.io/blog/dna-sequence-classification-based-on-milvus.md">تصنيف تسلسل الحمض النووي استنادًا إلى Milvus</a></li>
<li><a href="https://milvus.io/blog/audio-retrieval-based-on-milvus.md">استرجاع الصوت استنادًا إلى ميلفوس</a></li>
<li><a href="https://milvus.io/blog/building-video-search-system-with-milvus.md">4 خطوات لبناء نظام بحث عن الفيديو</a></li>
<li><a href="https://milvus.io/blog/building-intelligent-chatbot-with-nlp-and-milvus.md">بناء نظام ذكي لضمان الجودة باستخدام البرمجة اللغوية العصبية وميلفوس</a></li>
<li><a href="https://milvus.io/blog/molecular-structure-similarity-with-milvus.md">تسريع اكتشاف الأدوية الجديدة</a></li>
</ul></li>
<li><p>تفاعل مع مجتمعنا مفتوح المصدر:</p>
<ul>
<li>ابحث أو ساهم في Milvus على <a href="https://bit.ly/307b7jC">GitHub</a>.</li>
<li>تفاعل مع المجتمع عبر <a href="https://bit.ly/3qiyTEk">المنتدى</a>.</li>
<li>تواصل معنا على <a href="https://bit.ly/3ob7kd8">تويتر</a>.</li>
</ul></li>
</ul>


ميلفوس في حماية الملكية الفكرية ：بناء نظام بحث عن تشابه العلامات التجارية مع ميلفوس

لماذا تختار FastAPI على Flask؟

تسريع عملية توليد المرشحين في أنظمة التوصية باستخدام Milvus المقترن بـ PaddlePaddle

<p>يقدم هذا البرنامج التعليمي كيفية تشغيل Milvus 2.0 على نظام ويندوز. إذا كنت ترغب في بدء استخدام ميلفوس 2.0 باستخدام ويندوز، أو إذا كنت مضطرًا لتشغيل ميلفوس على ويندوز بسبب حدود البيئة، يمكن أن يكون هذا البرنامج التعليمي مرجعًا جيدًا. تمت كتابة هذه المقالة في الأصل بواسطة <a href="https://github.com/matrixji">@matrixji</a>.</p>
<p>هناك طريقتان لتشغيل ميلفوس 2.0 على ويندوز:</p>
<ul>
<li><a href="#Compile-from-source-code">التجميع من الشيفرة المصدرية</a></li>
<li><a href="#Install-from-the-binary-package">التثبيت من الحزمة الثنائية</a></li>
</ul>
<h2 id="Compile-from-source-code" class="common-anchor-header">التحويل البرمجي من التعليمات البرمجية المصدرية<button data-href="#Compile-from-source-code" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><h3 id="Prerequisites" class="common-anchor-header">المتطلبات الأساسية</h3><p>تحتاج إلى تثبيت سلسلة أدوات MinGW64/MSYS قبل تجميع ميلفوس 2.0 على ويندوز. راجع <a href="https://www.msys2.org/">MSYS2</a> للاطلاع على دليل التثبيت. اكتملت عملية التجميع في هذا البرنامج التعليمي في غلاف MSYS2 MinGW 64-bit. يمكنك تشغيل <code translate="no">$ pacman -Su</code> لتحديث سلسلة الأدوات.</p>
<p>نوصي أيضًا بتشغيل <code translate="no">$ pacman -S git</code> لتثبيت git.</p>
<h3 id="Step-1-Clone-code" class="common-anchor-header">الخطوة 1. استنساخ الكود</h3><p>قم بتشغيل الأمر التالي لاستنساخ الشيفرة من فرع <strong>windows-dev</strong> في مستودع <strong>ماتريكسجي/ميلفوس</strong>. في الوقت الحالي، يمكن تتبع جميع الالتزامات في <strong>windows-dev،</strong> والتي تعيد تأسيس الالتزامات من الفرع الرئيسي المنبع <a href="https://github.com/milvus-io/milvus"><strong>milvus-io/milvus</strong></a> على أساس أسبوعي.</p>
<pre><code translate="no" class="language-python">$ git <span class="hljs-built_in">clone</span> git@github.com:matrixji/milvus.git -b windows-dev
<button class="copy-code-btn"></button></code></pre>
<h3 id="Step-2-Compile-Milvus" class="common-anchor-header">الخطوة 2. تجميع ميلفوس</h3><h4 id="1-Install-dependencies-and-toolchain" class="common-anchor-header">1. تثبيت التوابع وسلسلة الأدوات</h4><p>قم بتشغيل الأمر التالي لتثبيت التبعيات وسلسلة الأدوات المطلوبة. بعد التثبيت، تحتاج إلى إعادة تشغيل غلاف MinGW/MYSY لضمان تطبيق تكوينات بعض الأدوات بشكل صحيح.</p>
<pre><code translate="no" class="language-python">$ <span class="hljs-built_in">cd</span> milvus
$ scripts/install_deps_msys.sh
<button class="copy-code-btn"></button></code></pre>
<h4 id="2-Compile-Milvus" class="common-anchor-header">2. تجميع ميلفوس</h4><p>قم بتشغيل الأمر التالي لتجميع وحزم ميلفوس.</p>
<pre><code translate="no" class="language-python">$ make
$ sh scripts/package_windows.sh
<button class="copy-code-btn"></button></code></pre>
<p>إذا نجحت، ستجد ملفًا مضغوطًا في الدليل الفرعي <code translate="no">windows_package</code>. يحتوي الملف المضغوط على جميع الملفات لتشغيل <code translate="no">milvus.exe</code> ، بما في ذلك <code translate="no">minio.exe</code> و <code translate="no">etcd.exe</code>.</p>
<div class="alert note">
تم تطوير Milvus 2.0 Milvus 2.0 بلغة Go. قد تحتاج إلى تكوين <a href='https://goproxy.cn/'>Goproxy</a> لتثبيت وحدات الطرف الثالث.</div>
<h2 id="Install-from-the-binary-package" class="common-anchor-header">التثبيت من الحزمة الثنائية<button data-href="#Install-from-the-binary-package" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>يمكنك أيضًا تنزيل الحزمة الثنائية التي تم تجميعها بالفعل من <a href="https://github.com/matrixji/milvus/releases">الإصدارات - ماتريكسجي/ ميلفوس</a>. يحتوي كل إصدار على <strong>windows-test-</strong> كبادئة، على سبيل المثال، <strong>windows-test-v8</strong>. ابحث عن الإصدار الذي تريده وقم بتنزيل الحزمة المضغوطة المقابلة.</p>
<h3 id="Step-1-Start-Milvus" class="common-anchor-header">الخطوة 1. ابدأ تشغيل ميلفوس</h3><h4 id="1-Unzip-the-package" class="common-anchor-header">1. فك ضغط الحزمة</h4><p>قم بفك ضغط الحزمة، وستجد دليل <code translate="no">milvus</code> ، والذي يحتوي على جميع الملفات المطلوبة.</p>
<h4 id="2-Start-a-MinIO-service" class="common-anchor-header">2. ابدأ تشغيل خدمة MinIO</h4><p>انقر نقرًا مزدوجًا فوق الملف <code translate="no">run_minio.bat</code> لبدء تشغيل خدمة MinIO بالتكوينات الافتراضية. سيتم تخزين البيانات في الدليل الفرعي <code translate="no">s3data</code>.</p>
<h4 id="3-Start-an-etcd-service" class="common-anchor-header">3. بدء تشغيل خدمة إلخd</h4><p>انقر نقرًا مزدوجًا فوق الملف <code translate="no">run_etcd.bat</code> لبدء تشغيل خدمة إلخd بتكوينات افتراضية.</p>
<h4 id="4-Start-Milvus-service" class="common-anchor-header">4. بدء خدمة ميلفوس</h4><p>انقر نقرًا مزدوجًا فوق الملف <code translate="no">run_milvus.bat</code> لبدء تشغيل خدمة Milvus.</p>
<h3 id="Step-2-Run-hellomilvuspy" class="common-anchor-header">الخطوة 2. تشغيل <code translate="no">hello_milvus.py</code></h3><p>بعد بدء تشغيل خدمة Milvus، يمكنك الاختبار عن طريق تشغيل <code translate="no">hello_milvus.py</code>. انظر <a href="https://milvus.io/docs/v2.0.x/example_code.md">Hello Milvus</a> لمزيد من المعلومات.</p>
<h2 id="Engage-with-our-open-source-community" class="common-anchor-header">تفاعل مع مجتمعنا مفتوح المصدر:<button data-href="#Engage-with-our-open-source-community" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><ul>
<li>ابحث عن Milvus أو ساهم في Milvus على <a href="https://bit.ly/3khejQB">GitHub</a>.</li>
<li>تفاعل مع المجتمع عبر <a href="https://bit.ly/307HVsY">المنتدى</a>.</li>
<li>تواصل معنا على <a href="https://bit.ly/3wn5aek">تويتر</a>.</li>
</ul>


تشغيل ميلفوس 2.0 على ويندوز

<custom-h1>اختتام - مهرجان ميلفوس هاك تشرين الأول 2021</custom-h1><p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/Blog_cover_a6ce8748d7.jpeg" alt="img" class="doc-image" id="img" />
   </span> <span class="img-wrapper"> <span>img</span> </span></p>
<p>انتهى Hacktoberfest ولكن لا نهاية للمساهمة في المشاريع مفتوحة المصدر!</p>
<p>على مدار شهر أكتوبر، كان لدينا ما مجموعه <strong>44 طلب سحب</strong> (PRs) عبر مستودعاتنا من <strong>36 مساهمًا</strong> (باستثناء فريقنا الأساسي). على الرغم من أنها السنة الأولى التي ينضم فيها مجتمع ميلفوس إلى مهرجان هاكتوبر، إلا أن عدد المشاركين الذي شهدناه فاق توقعاتنا، وهو مؤشر على الوعي المتزايد بروح المصدر المفتوح.</p>
<p>نأمل أن يكون كل من شارك في هذا الحدث قد اكتسب بعض الخبرة العملية أو المعرفة بالمصدر المفتوح والمجتمع والمهارات التقنية المفيدة في هذه العملية.</p>
<p>في هذا المنشور، نود أن ندعوكم للاحتفال بإنجازاتنا معًا وكيفية الاستمرار في المساهمة في ميلفوس بعد مهرجان هاكتوبر.</p>
<h2 id="📣-Shout-out-to-our-contributors" class="common-anchor-header"><strong>📣 تحية للمساهمين لدينا</strong><button data-href="#📣-Shout-out-to-our-contributors" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>خلال مهرجان Hacktoberfest هذا العام، شهدت مستودعات مشروع ميلفوس <strong>دمج 44 طلب سحب</strong>! هذا إنجاز كبير من جميع الجوانب. أحسنتم جميعًا! 🎉</p>
<p><a href="https://github.com/parthiv11">بارثيف 11،</a> <a href="https://github.com/joremysh">جوريميش،</a> <a href="https://github.com/noviicee">نوفيتشي،</a> <a href="https://github.com/Biki-das">بيكي داس،</a> <a href="https://github.com/Nadyamilona">نادياميلونا،</a> <a href="https://github.com/ashish4arora">أشيش4ارورا،</a> <a href="https://github.com/Dhruvacube">دروفاكوبي،</a> <a href="https://github.com/iamartyaa">إيمارتيا،</a> <a href="https://github.com/RafaelDSS">رافائيل داس،</a> <a href="https://github.com/kartikcho">كارتيكشو،</a> <a href="https://github.com/GuyKh">غاي خ،</a> <a href="https://github.com/Deep1Shikha">ديب1شيخا،</a> <a href="https://github.com/shreemaan-abhishek">شريمان-أبهيشيك،</a> <a href="https://github.com/daniel-shuy">دانيال-شوي،</a> <a href="https://github.com/Hard-Coder05">هارد-كودر05</a> <a href="https://github.com/sapora1">سابورا1،</a> <a href="https://github.com/Rutam21">روتام21،</a> <a href="https://github.com/idivyanshbansal">إيديفيانشبانسال،</a> <a href="https://github.com/Mihir501">ميهير501،</a> <a href="https://github.com/Ayushchaudhary-Github">يوش شودري،</a> <a href="https://github.com/sreyan-ghosh">سريان-غوش،</a> <a href="https://github.com/chiaramistro">تشياراميسترو،</a> <a href="https://github.com/appledora">أبليدورا،</a> <a href="https://github.com/luisAzcuaga">لويس أزكواجا،</a> <a href="https://github.com/matteomessmer">ماتوميسمر،</a> <a href="https://github.com/Nadyamilona">نادياميلونا،</a> <a href="https://github.com/Tititesouris">تيتيتيسوريس،</a> <a href="https://github.com/amusfq">أموسفك،</a> <a href="https://github.com/matrixji">ماتريكسجي</a> و <a href="https://github.com/zamanmub">جنرالزمان</a></p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/_80b0d87746.png" alt="image-20211110180357460" class="doc-image" id="image-20211110180357460" />
   </span> <span class="img-wrapper"> <span>image-20211110180357460</span> </span></p>
<h3 id="Here-are-some-extraordinary-Milvus-Hacktoberfest-2021-contributions" class="common-anchor-header">إليك بعض المساهمات الاستثنائية في مهرجان أكتوبر 2021 لميلفوس هاكوبيرفيست 2021:</h3><p><strong>⚙️ ميزات جديدة</strong></p>
<p><a href="https://github.com/milvus-io/milvus/issues/7706">تجميع وتشغيل ميلفوس عبر منصات متعددة</a> بواسطة <a href="https://github.com/matrixji">ماتريكسجي ماتريكسجي</a></p>
<p><strong>(🏆 أفضل مساهم 🏆)</strong></p>
<p><strong>التوثيق</strong></p>
<ul>
<li><a href="https://github.com/milvus-io/bootcamp/issues/720">ترجمة Hello Milvus (مثال_رمز.md) إلى أي لغة</a> بواسطة <a href="https://github.com/chiaramistro">chiaramistro</a>, <a href="https://github.com/appledora">appledora</a>, <a href="https://github.com/luisAzcuaga">luisAzcuaga</a>, <a href="https://github.com/matteomessmer">matteomessmer</a>, <a href="https://github.com/Nadyamilona">Nadyamilona</a>, <a href="https://github.com/Tititesouris">Tititesouris</a> &amp; <a href="https://github.com/amusfq">amusfq</a></li>
<li><a href="https://github.com/milvus-io/bootcamp/issues/720">إضافة مثال NodeJS إلى example_code.md</a> بواسطة <a href="https://github.com/GuyKh">GuyKh</a></li>
<li><a href="https://github.com/milvus-io/milvus-docs/pull/921/files">ترجمة upgrade.md</a> <a href="https://github.com/milvus-io/milvus-docs/pull/892">وإضافة وترجمة المعلمات في دليل المستخدم إلى CN</a> بواسطة <a href="https://github.com/joremysh">joremysh</a></li>
<li><a href="https://github.com/milvus-io/milvus-docs/pull/753">ترجمة برامج تعليمية/dna_sequence_classification.md</a> <a href="https://github.com/milvus-io/milvus-docs/pull/752">إلى CN وترجمة المرجع/schema/collection_schema.md إلى CN</a> بواسطة <a href="https://github.com/daniel-shuy">daniel-shuy</a></li>
</ul>
<p><strong>🚀 مخيم التمهيد</strong></p>
<ul>
<li><a href="https://github.com/milvus-io/bootcamp/pull/858">تحسين البرنامج التعليمي Jupyter Notebook التعليمي للبحث عن تجزئة الصور </a>بواسطة <a href="https://github.com/zamanmub">generalZman</a></li>
<li><a href="https://github.com/milvus-io/bootcamp/pull/792">إصلاح خطأ TOPK في TOPK للبحث العكسي عن الصور</a> بواسطة <a href="https://github.com/RafaelDSS">RafaelDSS</a></li>
</ul>
<p><strong>PyMilvus PyMilvus</strong></p>
<ul>
<li><a href="https://github.com/milvus-io/pymilvus/issues/741">تحديث نماذج مشكلة GitHub </a>(ريبوس متعددة) بواسطة <a href="https://github.com/Hard-Coder05">Hard-Coder05</a></li>
</ul>
<h3 id="Share-your-feedback-with-us" class="common-anchor-header">شارك ملاحظاتك معنا!</h3><p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/h3_412b0f649b.png" alt="img" class="doc-image" id="img" />
   </span> <span class="img-wrapper"> <span>img</span> </span></p>
<p>أنت مرحب بك لمشاركة تجربتك في مهرجان أكتوبر 2021 معنا! سواء كان منشورًا في مدونة أو تغريدة (@milvusio) أو مجرد منشور في <a href="https://discuss.milvus.io/c/hacktoberfest/9">منتدانا،</a> سيكون أي شيء موضع تقدير كبير!</p>
<h2 id="Whats-Next" class="common-anchor-header">ما التالي？<button data-href="#Whats-Next" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><h3 id="👩‍💻-Code--Documentation" class="common-anchor-header"><strong>👩‍💻</strong> <strong>الكود والتوثيق</strong></h3><p>إذا كانت لديك معرفة محدودة بـ Milvus، يمكنك التعرف على كيفية عمل المجتمع أولاً من خلال المساهمة في <a href="https://github.com/milvus-io/pymilvus">pymilvus</a> أو <a href="https://github.com/milvus-io/milvus-docs">مستندات</a> الريبوس. يمكنك أيضًا البحث عن وسوم مثل <strong>#goodfirstissue#</strong> أو <strong>#مطلوب_مساعدة</strong>.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/h4_f18c9b6c2c.png" alt="img" class="doc-image" id="img" />
   </span> <span class="img-wrapper"> <span>img</span> </span></p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/h5_a4f90c24a8.png" alt="img" class="doc-image" id="img" />
   </span> <span class="img-wrapper"> <span>img</span> </span></p>
<p>إذا كانت لديك أي أسئلة حول المساهمة، يمكنك دائمًا طرحها على المجتمع ضمن فئة <strong>المساهمين</strong> في المنتدى: https://discuss.milvus.io/t/things-you-need-to-know-before-you-get-started/64.</p>
<h3 id="🏆-Be-a-Milvus-Advocate" class="common-anchor-header">🏆 كن مناصرًا لميلفوس</h3><p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/advocate_1052d8249a.jpg" alt="image-20211110180730866" class="doc-image" id="image-20211110180730866" />
   </span> <span class="img-wrapper"> <span>image-20211110180730866</span> </span></p>
<p>شارك تجربتك والأشياء التي تعلمتها مع المجتمع؛ اقترح أفكارًا حول كيفية التحسين؛ أجب عن الأسئلة وساعد الآخرين في منتدى ميلفوس، إلخ. هناك العديد من الطرق التي يمكنك من خلالها المشاركة في المجتمع، وقد أدرجنا بعض الأمثلة أدناه ولكننا نرحب بأي شكل من أشكال المساهمة:</p>
<ul>
<li><p><strong>العروض التوضيحية والحلول:</strong> اعرض لمستخدمي ميلفوس كيفية الاستفادة من المنصة في سيناريوهات محددة (مثل نظام التوصيات الموسيقية). الأمثلة متوفرة في <a href="https://github.com/milvus-io/bootcamp">معسكر تدريب ميلفوس</a>.</p></li>
<li><p><strong>مقالات المدونة أو قصص المستخدمين أو الأوراق البيضاء:</strong> اكتب محتوى عالي الجودة يشرح بوضوح ودقة التفاصيل التقنية حول ميلفوس.</p></li>
<li><p><strong>المحادثات التقنية / البث المباشر:</strong> إجراء محادثات أو استضافة البث المباشر الذي يساعد على زيادة الوعي حول ميلفوس.</p></li>
<li><p><strong>غير ذلك:</strong> أي محتوى يلعب دورًا إيجابيًا في تطوير ميلفوس ومجتمعها المفتوح المصدر سيُعتبر مؤهلاً.</p></li>
</ul>
<p>لمزيد من التفاصيل، يرجى قراءة: https://milvus.io/community/milvus_advocate.md</p>
<p>أخيرًا، شكرًا لكم مرة أخرى على انضمامكم معنا في مهرجان هاكتوبر فيست لهذا العام والسماح لنا بأن نكون مرشدين وطلابًا لكم. شكراً لكم <a href="https://hacktoberfest.digitalocean.com/">ديجيتال أوشن</a> على استضافة عام آخر من هذا الحدث الرائع. حتى المرة القادمة!</p>
<p>برمجة سعيدة!</p>
<p>فريق مجتمع ميلفوس</p>


انتهى المهرجان! مهرجان ميلفوس هاكوبيرفيست 2021

<p><em>يوفن زونغ، مهندسة تطوير اختبارات زيليز، تخرجت من جامعة هواتشونغ للعلوم والتكنولوجيا وحصلت على درجة الماجستير في تكنولوجيا الكمبيوتر. وهي تعمل حاليًا في ضمان الجودة لقاعدة بيانات Milvus vector، بما في ذلك على سبيل المثال لا الحصر اختبار تكامل الواجهة، واختبار SDK، واختبار المعيار، وما إلى ذلك. تُعدّ يوفن من المتحمسين لحل المشكلات في اختبار وتطوير Milvus، وهي من أشد المعجبين بنظرية هندسة الفوضى وممارسة حفر الأخطاء.</em></p>
<h2 id="Background" class="common-anchor-header">الخلفية<button data-href="#Background" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>أثناء استخدام قاعدة بيانات Milvus vector، ستحتاج إلى تعديل التكوين الافتراضي لتلبية متطلبات السيناريوهات المختلفة. في السابق، شارك أحد مستخدمي Milvus سابقًا حول <a href="/blog/ar/2021-10-22-apply-configuration-changes-on-milvus-2.md">كيفية تعديل تكوين Milvus المنشور باستخدام Docker Compose</a>. وفي هذه المقالة، أود أن أشارككم كيفية تعديل تكوين Milvus المنشور على Kubernetes.</p>
<h2 id="Modify-configuration-of-Milvus-on-Kubernetes" class="common-anchor-header">تعديل تكوين Milvus على Kubernetes<button data-href="#Modify-configuration-of-Milvus-on-Kubernetes" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>يمكنك اختيار خطط تعديل مختلفة وفقًا لمعلمات التكوين التي ترغب في تعديلها. يتم تخزين جميع ملفات تكوين Milvus ضمن <strong>milvus/configs</strong>. أثناء تثبيت Milvus على Kubernetes، ستتم إضافة مستودع مخطط Milvus Helm Chart محليًا. من خلال تشغيل <code translate="no">helm show values milvus/milvus</code> ، يمكنك التحقق من المعلمات التي يمكن تعديلها مباشرة باستخدام المخطط. بالنسبة للمعلمات القابلة للتعديل باستخدام Chart، يمكنك تمرير المعلمة باستخدام <code translate="no">--values</code> أو <code translate="no">--set</code>. للمزيد من المعلومات، راجع <a href="https://artifacthub.io/packages/helm/milvus/milvus">مخطط ميلفوس هيلم</a> و <a href="https://helm.sh/docs/">هيلم</a>.</p>
<p>إذا كانت المعلمات التي تتوقع تعديلها غير موجودة في القائمة، يمكنك اتباع التعليمات أدناه.</p>
<p>في الخطوات التالية، سيتم تعديل المعلمة <code translate="no">rootcoord.dmlChannelNum</code> في <strong>/milvus/configs/advanced/root_coord.yaml</strong> لأغراض العرض التوضيحي. يتم تنفيذ إدارة ملف التكوين في Milvus على Kubernetes من خلال كائن مورد ConfigMap. لتغيير المعلمة، يجب عليك أولاً تحديث كائن ConfigMap لإصدار المخطط المقابل، ثم تعديل ملفات موارد النشر للقرون المقابلة.</p>
<p>احذر من أن هذه الطريقة تنطبق فقط على تعديل المعلمات على تطبيق Milvus الذي تم نشره. لتعديل المعلمات في <strong>/milvus/configs/advanced/*.yaml</strong> قبل النشر، ستحتاج إلى إعادة تطوير مخطط Milvus Helm.</p>
<h3 id="Modify-ConfigMap-YAML" class="common-anchor-header">تعديل YAML ConfigMap YAML</h3><p>كما هو موضح أدناه، يتوافق إصدار Milvus الذي يعمل على Kubernetes مع كائن ConfigMap بنفس اسم الإصدار. يتضمن قسم <code translate="no">data</code> من كائن ConfigMap التكوينات الموجودة في <strong>milvus.yaml</strong> فقط. لتغيير <code translate="no">rootcoord.dmlChannelNum</code> في <strong>root_coord.yaml،</strong> يجب عليك إضافة المعلمات في <strong>root_coord.yaml</strong> إلى القسم <code translate="no">data</code> في كائن ConfigMap YAML وتغيير المعلمة المحددة.</p>
<pre><code translate="no">kind: ConfigMap
apiVersion: v1
metadata:
  name: milvus-chaos
  ...
data:
  milvus.yaml: &gt;
    ......
  root_coord.yaml: |
    rootcoord:
      dmlChannelNum: 128
      maxPartitionNum: 4096
      minSegmentSizeToEnableIndex: 1024
      <span class="hljs-built_in">timeout</span>: 3600 <span class="hljs-comment"># time out, 5 seconds</span>
      timeTickInterval: 200 <span class="hljs-comment"># ms</span>
<button class="copy-code-btn"></button></code></pre>
<h3 id="Modify-Deployment-YAML" class="common-anchor-header">تعديل YAML النشر</h3><p>يمكن الإشارة إلى البيانات المخزنة في ConfigMap في وحدة تخزين من نوع configMap ثم استهلاكها من قبل التطبيقات المعبأة في حاويات والتي تعمل في جراب. لتوجيه البودات إلى ملفات التكوين الجديدة، يجب عليك تعديل قوالب البودات التي تحتاج إلى تحميل التكوينات في <strong>root_coord.yaml</strong>. على وجه التحديد، تحتاج إلى إضافة إعلان تحميل ضمن قسم <code translate="no">spec.template.spec.containers.volumeMounts</code> في نشر YAML.</p>
<p>بأخذ YAML YAML للنشر في جراب rootcoord كمثال، يتم تحديد وحدة تخزين من نوع <code translate="no">configMap</code> باسم <strong>milvus-config</strong> في القسم <code translate="no">.spec.volumes</code>. وفي القسم <code translate="no">spec.template.spec.containers.volumeMounts</code> ، يتم الإعلان عن وحدة التخزين لتحميل <strong>milvus.yaml</strong> من إصدار Milvus الخاص بك على <strong>/milvus/configs/milvus.yaml</strong>. وبالمثل، تحتاج فقط إلى إضافة إعلان تحميل خاص لحاوية rootcoord لتحميل <strong>root_coord.yaml</strong> على <strong>/milvus/configs/advanced/root_coord.yaml،</strong> وبالتالي يمكن للحاوية الوصول إلى ملف التكوين الجديد.</p>
<pre><code translate="no" class="language-yaml">spec:
  replicas: 1
  selector:
    ......
  template:
    metadata:
      ...
    spec:
      volumes:
        - name: milvus-config
          configMap:
            name: milvus-chaos
            defaultMode: 420
      containers:
        - name: rootcoord
          image: <span class="hljs-string">&#x27;milvusdb/milvus-dev:master-20210906-86afde4&#x27;</span>
          args:
            ...
          ports:
            ...
          resources: {}
          volumeMounts:
            - name: milvus-config
              readOnly: <span class="hljs-literal">true</span>
              mountPath: /milvus/configs/milvus.yaml
              subPath: milvus.yaml
            - name: milvus-config
              readOnly: <span class="hljs-literal">true</span>
              mountPath: /milvus/configs/advanced/`root_coord.yaml
              subPath: root_coord.yaml
          terminationMessagePath: /dev/termination-log
          terminationMessagePolicy: File
          imagePullPolicy: IfNotPresent
      restartPolicy: Always
      terminationGracePeriodSeconds: 30
      dnsPolicy: ClusterFirst
      securityContext: {}
      schedulerName: default-scheduler
<button class="copy-code-btn"></button></code></pre>
<h3 id="Verify-the-result" class="common-anchor-header">التحقق من النتيجة</h3><p>يتحقق الكوبيت مما إذا كانت خريطة التكوين المثبتة حديثة في كل مزامنة دورية. عندما يتم تحديث خريطة التكوين المستهلكة في المجلد، يتم تحديث المفاتيح المتوقعة تلقائيًا أيضًا. عند تشغيل الكبسولة الجديدة مرة أخرى، يمكنك التحقق مما إذا كان التعديل ناجحًا في الكبسولة. يتم مشاركة الأوامر للتحقق من المعلمة <code translate="no">rootcoord.dmlChannelNum</code> أدناه.</p>
<pre><code translate="no" class="language-bash">$ kctl <span class="hljs-built_in">exec</span> -ti milvus-chaos-rootcoord-6f56794f5b-xp2zs -- sh
<span class="hljs-comment"># cd configs/advanced</span>
<span class="hljs-comment"># pwd</span>
/milvus/configs/advanced
<span class="hljs-comment"># ls</span>
channel.yaml  common.yaml  data_coord.yaml  data_node.yaml  etcd.yaml  proxy.yaml  query_node.yaml  root_coord.yaml
<span class="hljs-comment"># cat root_coord.yaml</span>
rootcoord:
  dmlChannelNum: 128
  maxPartitionNum: 4096
  minSegmentSizeToEnableIndex: 1024
  <span class="hljs-built_in">timeout</span>: 3600 <span class="hljs-comment"># time out, 5 seconds</span>
  timeTickInterval: 200 <span class="hljs-comment"># ms</span>
<span class="hljs-comment"># exit</span>
<button class="copy-code-btn"></button></code></pre>
<p>أعلاه هي طريقة تعديل التكوينات المتقدمة في Milvus المنشورة على Kubernetes. سيدمج الإصدار المستقبلي من Milvus جميع التكوينات في ملف واحد، وسيدعم تحديث التكوين عبر مخطط الدفة. ولكن قبل ذلك، آمل أن تساعدك هذه المقالة كحل مؤقت.</p>
<h2 id="Engage-with-our-open-source-community" class="common-anchor-header">تفاعل مع مجتمعنا مفتوح المصدر:<button data-href="#Engage-with-our-open-source-community" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><ul>
<li><p>ابحث أو ساهم في Milvus على <a href="https://bit.ly/307b7jC">GitHub</a>.</p></li>
<li><p>تفاعل مع المجتمع عبر <a href="https://bit.ly/3qiyTEk">المنتدى</a>.</p></li>
<li><p>تواصل معنا على <a href="https://bit.ly/3ob7kd8">تويتر</a>.</p></li>
</ul>


كيفية تعديل تكوينات ميلفوس المتقدمة

مقدمة

<custom-h1>المشاركة التقنية: تطبيق تغييرات التكوين على Milvus 2.0 باستخدام Docker Compose</custom-h1><p><em>جينغجينغ جيا، مهندسة بيانات في Zilliz، تخرجت من جامعة شيان جياوتونغ بشهادة في علوم الحاسب الآلي. بعد انضمامها إلى Zilliz، تعمل بشكل أساسي على المعالجة المسبقة للبيانات، ونشر نماذج الذكاء الاصطناعي، وأبحاث التكنولوجيا ذات الصلة بـ Milvus، ومساعدة مستخدمي المجتمع على تنفيذ سيناريوهات التطبيق. هي صبورة جدًا، وتحب التواصل مع شركاء المجتمع، وتستمتع بالاستماع إلى الموسيقى ومشاهدة الأنيمي.</em></p>
<p>بصفتي مستخدمًا متكررًا لـ Milvus، كنت متحمسًا جدًا لإصدار Milvus 2.0 RC الذي تم إصداره حديثًا. وفقًا للمقدمة الموجودة على الموقع الرسمي، يبدو أن Milvus 2.0 يتفوق على سابقيه بفارق كبير. كنت متحمسًا جدًا لتجربته بنفسي.</p>
<p>وقد فعلت.  ومع ذلك، عندما وضعت يدي حقًا على Milvus 2.0، أدركت أنني لم أتمكن من تعديل ملف التكوين في Milvus 2.0 بنفس السهولة التي قمت بها مع Milvus 1.1.1. لم أتمكن من تغيير ملف التهيئة داخل حاوية دوكر في Milvus 2.0 التي بدأت باستخدام Docker Compose، وحتى فرض التغيير لم يكن يسري مفعوله. لاحقًا، علمت أن الإصدار Milvus 2.0 RC لم يكن قادرًا على اكتشاف التغييرات التي طرأت على ملف التكوين بعد التثبيت. وسيعمل الإصدار المستقر المستقبلي على إصلاح هذه المشكلة.</p>
<p>بعد تجربة طرق مختلفة، وجدت طريقة موثوقة لتطبيق التغييرات على ملفات التكوين لملف التكوين لـ Milvus 2.0 المستقل والمجموعة، وإليك الطريقة.</p>
<p>لاحظ أنه يجب إجراء جميع التغييرات على التكوين قبل إعادة تشغيل Milvus باستخدام Docker Compose.</p>
<h2 id="Modify-configuration-file-in-Milvus-standalone" class="common-anchor-header">تعديل ملف التكوين في ملف Milvus المستقل<button data-href="#Modify-configuration-file-in-Milvus-standalone" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>أولاً، ستحتاج إلى <a href="https://github.com/milvus-io/milvus/blob/master/configs/milvus.yaml">تنزيل</a> نسخة من ملف <strong>milvus.yaml</strong> إلى جهازك المحلي.</p>
<p>ثم يمكنك تغيير التكوينات في الملف. على سبيل المثال، يمكنك تغيير تنسيق السجل على النحو <code translate="no">.json</code>.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/1_1_ee4a16a3ee.png" alt="1.1.png" class="doc-image" id="1.1.png" />
   </span> <span class="img-wrapper"> <span>1.1.png</span> </span></p>
<p>بمجرد تعديل ملف milvus <strong>.yaml،</strong> ستحتاج أيضًا إلى <a href="https://github.com/milvus-io/milvus/blob/master/deployments/docker/standalone/docker-compose.yml">تنزيل</a> وتعديل ملف <strong>docker-compose.yaml</strong> لملف مستقل عن طريق تعيين المسار المحلي إلى milvus.yaml على مسار حاوية docker المقابل لملف التكوين <code translate="no">/milvus/configs/milvus.yaml</code> ضمن قسم <code translate="no">volumes</code>.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/1_2_5e7c73708c.png" alt="1.2.png" class="doc-image" id="1.2.png" />
   </span> <span class="img-wrapper"> <span>1.2.png</span> </span></p>
<p>أخيرًا، ابدأ تشغيل ميلفوس المستقل باستخدام <code translate="no">docker-compose up -d</code> وتحقق مما إذا كانت التعديلات ناجحة. على سبيل المثال، قم بتشغيل <code translate="no">docker logs</code> للتحقق من تنسيق السجل.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/1_3_a0406df3ab.png" alt="1.3.png" class="doc-image" id="1.3.png" />
   </span> <span class="img-wrapper"> <span>1.3.png</span> </span></p>
<h2 id="Modify-configuration-file-in-Milvus-cluster" class="common-anchor-header">تعديل ملف التكوين في مجموعة ميلفوس العنقودية<button data-href="#Modify-configuration-file-in-Milvus-cluster" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>أولاً، قم <a href="https://github.com/milvus-io/milvus/blob/master/configs/milvus.yaml">بتنزيل</a> ملف <strong>milvus.yaml</strong> وتعديله ليناسب احتياجاتك.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/1_4_758b182846.png" alt="1.4.png" class="doc-image" id="1.4.png" />
   </span> <span class="img-wrapper"> <span>1.4.png</span> </span></p>
<p>بعد ذلك ستحتاج إلى <a href="https://github.com/milvus-io/milvus/blob/master/deployments/docker/cluster/docker-compose.yml">تنزيل</a> ملف <strong>docker-compose.yml</strong> العنقودي وتعديله عن طريق تعيين المسار المحلي لملف <strong>milvus.yaml</strong> إلى المسار المقابل لملفات التكوين في جميع المكونات، أي تنسيق الجذر، وتنسيق البيانات، وعقدة البيانات، وتنسيق الاستعلام، وعقدة الاستعلام، وعقدة الاستعلام، وتنسيق الفهرس، وعقدة الفهرس، والوكيل.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/1_5_80e15811b8.png" alt="1.5.png" class="doc-image" id="1.5.png" />
   </span> <span class="img-wrapper"> <span>1.5.png</span> </span></p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/1_6_b2f3e4e47f.png" alt="1.6.png" class="doc-image" id="1.6.png" />
   </span> <span class="img-wrapper"> <span>1.6.png</span> </span> <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/1_7_4d1eb5e1e5.png" alt="1.7.png" class="doc-image" id="1.7.png" /></span> <span class="img-wrapper">1 </span>. <span class="img-wrapper">7 <span>.png</span> </span></p>
<p>أخيرًا، يمكنك بدء تشغيل مجموعة Milvus باستخدام <code translate="no">docker-compose up -d</code> والتحقق مما إذا كانت التعديلات ناجحة.</p>
<h2 id="Change-log-file-path-in-configuration-file" class="common-anchor-header">تغيير مسار ملف السجل في ملف التكوين<button data-href="#Change-log-file-path-in-configuration-file" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>أولاً، قم <a href="https://github.com/milvus-io/milvus/blob/master/configs/milvus.yaml">بتحميل</a> ملف <strong>milvus.yaml،</strong> وقم بتغيير القسم <code translate="no">rootPath</code> كدليل حيث تتوقع تخزين ملفات السجل في حاوية Docker.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/1_8_e3bdc4843f.png" alt="1.8.png" class="doc-image" id="1.8.png" />
   </span> <span class="img-wrapper"> <span>1.8.png</span> </span></p>
<p>بعد ذلك، قم بتنزيل ملف <strong>docker-compose.yml</strong> المقابل لملف Milvus <a href="https://github.com/milvus-io/milvus/blob/master/deployments/docker/standalone/docker-compose.yml">المستقل</a> أو <a href="https://github.com/milvus-io/milvus/blob/master/deployments/docker/cluster/docker-compose.yml">العنقودي</a>.</p>
<p>بالنسبة للمستقلة، ستحتاج إلى تعيين المسار المحلي لملف <strong>milvus.yaml</strong> إلى مسار حاوية دوكر المقابل لملف التكوين <code translate="no">/milvus/configs/milvus.yaml</code> ، وتعيين دليل ملف السجل المحلي إلى دليل حاوية دوكر الذي قمت بإنشائه مسبقًا.</p>
<p>بالنسبة للكتلة، ستحتاج إلى تعيين كلا المسارين في كل مكون.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/1_9_22d8929d92.png" alt="1.9.png" class="doc-image" id="1.9.png" />
   </span> <span class="img-wrapper"> <span>1.9.png</span> </span></p>
<p>أخيرًا، ابدأ تشغيل Milvus المستقل أو العنقودي باستخدام <code translate="no">docker-compose up -d</code> وتحقق من ملفات السجل لمعرفة ما إذا كان التعديل ناجحًا.</p>


المشاركة التقنية:تطبيق تغييرات التهيئة على Milvus 2.0 باستخدام Docker Compose

<custom-h1>بناء نظام تحليل فيديو باستخدام قاعدة بيانات ميلفوس فيكتورز</custom-h1><p><em>شيو تشين، مهندسة بيانات في شركة Zilliz، تخرجت من جامعة زيليز وحصلت على شهادة في علوم الحاسب الآلي. منذ انضمامها إلى Zilliz، عملت على استكشاف حلول لـ Milvus في مجالات مختلفة، مثل تحليل الصوت والفيديو، واسترجاع الصيغ الجزيئية، وما إلى ذلك، مما أثرى سيناريوهات التطبيق في المجتمع بشكل كبير. وهي تستكشف حاليًا المزيد من الحلول المثيرة للاهتمام. في أوقات فراغها، تحب الرياضة والقراءة.</em></p>
<p>عندما كنت أشاهد <em>فيلم Free Guy</em> في عطلة نهاية الأسبوع الماضي، شعرت أنني رأيت الممثل الذي يلعب دور بودي، حارس الأمن، في مكان ما من قبل، ولكنني لم أستطع تذكر أي من أعماله. كان رأسي محشوًا بـ "من هذا الرجل"؟ كنت متأكدًا من أنني رأيت هذا الوجه وكنت أحاول جاهدًا أن أتذكر اسمه. حالة مشابهة هي أنني رأيت ذات مرة الممثل الرئيسي في أحد الفيديوهات وهو يتناول مشروبًا كنت أحبه كثيرًا، ولكنني فشلت في تذكر اسم العلامة التجارية.</p>
<p>كانت الإجابة على طرف لساني، لكن عقلي كان عالقًا تمامًا.</p>
<p>تدفعني ظاهرة طرف اللسان (TOT) إلى الجنون عند مشاهدة الأفلام. لو كان هناك فقط محرك بحث عكسي عن الصور لمقاطع الفيديو يمكّنني من العثور على مقاطع الفيديو وتحليل محتواها. من قبل، قمتُ ببناء محرك <a href="https://github.com/milvus-io/bootcamp/tree/master/solutions/reverse_image_search/quick_deploy">بحث</a> عكسي <a href="https://github.com/milvus-io/bootcamp/tree/master/solutions/reverse_image_search/quick_deploy">عن الصور باستخدام Milvus</a>. وبالنظر إلى أن تحليل محتوى الفيديو يشبه إلى حد ما تحليل الصور، قررت بناء محرك تحليل محتوى الفيديو استنادًا إلى Milvus.</p>
<h2 id="Object-detection" class="common-anchor-header">اكتشاف الكائنات<button data-href="#Object-detection" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><h3 id="Overview" class="common-anchor-header">نظرة عامة</h3><p>قبل التحليل، يجب اكتشاف الأجسام في الفيديو أولاً. يعد اكتشاف الأجسام في الفيديو بفعالية ودقة هو التحدي الرئيسي للمهمة. وهي أيضًا مهمة مهمة مهمة لتطبيقات مثل الطيار الآلي والأجهزة القابلة للارتداء وإنترنت الأشياء.</p>
<p>وقد تم تطويرها من خوارزميات معالجة الصور التقليدية إلى الشبكات العصبية العميقة (DNN)، وتشمل النماذج السائدة اليوم لاكتشاف الأجسام شبكات R-CNN وFRCNN وSSD وYOLO. يمكن لنظام تحليل الفيديو القائم على التعلم العميق المستند إلى Milvus المقدم في هذا الموضوع اكتشاف الأجسام بذكاء وسرعة.</p>
<h3 id="Implementation" class="common-anchor-header">التنفيذ</h3><p>لاكتشاف الأجسام في الفيديو والتعرّف عليها، يجب على النظام أولاً استخراج الإطارات من الفيديو واكتشاف الأجسام في صور الإطارات باستخدام اكتشاف الأجسام، وثانيًا استخراج متجهات السمات من الأجسام المكتشفة، وأخيرًا تحليل الجسم بناءً على متجهات السمات.</p>
<ul>
<li>استخراج الإطار</li>
</ul>
<p>يتم تحويل تحليل الفيديو إلى تحليل الصور باستخدام استخراج الإطارات. حاليًا، تقنية استخراج الإطارات ناضجة جدًا. تدعم برامج مثل FFmpeg و OpenCV استخراج الإطارات على فترات زمنية محددة. تقدم هذه المقالة كيفية استخراج الإطارات من الفيديو كل ثانية باستخدام OpenCV.</p>
<ul>
<li>اكتشاف الكائنات</li>
</ul>
<p>يتعلق باكتشاف الكائنات بالعثور على الكائنات في الإطارات المستخرجة واستخراج لقطات من الكائنات وفقًا لمواضعها. كما هو موضح في الأشكال التالية، تم اكتشاف دراجة وكلب وسيارة. يقدّم هذا الموضوع كيفية اكتشاف الأجسام باستخدام YOLOv3، والذي يُستخدم عادةً لاكتشاف الأجسام.</p>
<ul>
<li>استخراج الميزات</li>
</ul>
<p>يشير استخلاص الميزات إلى تحويل البيانات غير المهيكلة، التي يصعب على الآلات التعرّف عليها، إلى متجهات ميزات. على سبيل المثال، يمكن تحويل الصور إلى متجهات ميزات متعددة الأبعاد باستخدام نماذج التعلم العميق. في الوقت الحالي، تشمل نماذج الذكاء الاصطناعي الأكثر شيوعًا للتعرف على الصور نماذج VGG و GNN و ResNet. يقدم هذا الموضوع كيفية استخراج الميزات من الكائنات المكتشفة باستخدام ResNet-50.</p>
<ul>
<li>تحليل المتجهات</li>
</ul>
<p>تتم مقارنة متجهات السمات المستخرجة مع متجهات المكتبة، ويتم إرجاع المعلومات المقابلة للمتجهات الأكثر تشابهًا. بالنسبة لمجموعات بيانات متجهات السمات واسعة النطاق، يمثل الحساب تحديًا كبيرًا. يقدّم هذا الموضوع كيفية تحليل متجهات السمات باستخدام ميلفوس.</p>
<h2 id="Key-technologies" class="common-anchor-header">التقنيات الرئيسية<button data-href="#Key-technologies" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><h3 id="OpenCV" class="common-anchor-header">OpenCV</h3><p>مكتبة الرؤية الحاسوبية مفتوحة المصدر (OpenCV) هي مكتبة رؤية حاسوبية مفتوحة المصدر (OpenCV) هي مكتبة رؤية حاسوبية متعددة المنصات، توفر العديد من الخوارزميات العالمية لمعالجة الصور والرؤية الحاسوبية. يشيع استخدام OpenCV في مجال الرؤية الحاسوبية.</p>
<p>يوضح المثال التالي كيفية التقاط إطارات الفيديو على فترات زمنية محددة وحفظها كصور باستخدام OpenCV مع Python.</p>
<pre><code translate="no" class="language-python"><span class="hljs-keyword">import</span> cv2 
<span class="hljs-built_in">cap</span> = cv2.VideoCapture(file_path)   
framerate = <span class="hljs-built_in">cap</span>.get(cv2.CAP_PROP_FPS)   
allframes = <span class="hljs-type">int</span>(cv2.VideoCapture.get(<span class="hljs-built_in">cap</span>, <span class="hljs-type">int</span>(cv2.CAP_PROP_FRAME_COUNT)))  
success, image = <span class="hljs-built_in">cap</span>.read() 
cv2.imwrite(file_name, image)
<button class="copy-code-btn"></button></code></pre>
<h3 id="YOLOv3" class="common-anchor-header">YOLOv3</h3><p>You Only Look Only One، الإصدار 3 (YOLOv3 [5]) هي خوارزمية للكشف عن الأجسام على مرحلة واحدة تم اقتراحها في السنوات الأخيرة. بالمقارنة مع خوارزميات اكتشاف الأجسام التقليدية بنفس الدقة، فإن YOLOv3 أسرع بمرتين. YOLOv3 المذكورة في هذا الموضوع هي النسخة المحسّنة من PaddlePaddle [6]. يستخدم طرق تحسين متعددة مع سرعة استدلال أعلى.</p>
<h3 id="ResNet-50" class="common-anchor-header">ResNet-50</h3><p>ResNet [7] هو الفائز في ILSVRC 2015 في تصنيف الصور بسبب بساطته وعمليته. كأساس للعديد من طرق تحليل الصور، أثبت ResNet أنه نموذج شائع متخصص في اكتشاف الصور وتجزئتها والتعرف عليها.</p>
<h3 id="Milvus" class="common-anchor-header">ميلفوس</h3><p><a href="https://milvus.io/">Milvus</a> عبارة عن قاعدة بيانات متجهات سحابية مفتوحة المصدر ومفتوحة المصدر تم إنشاؤها لإدارة متجهات التضمين التي تم إنشاؤها بواسطة نماذج التعلم الآلي والشبكات العصبية. وهي تُستخدم على نطاق واسع في سيناريوهات مثل الرؤية الحاسوبية ومعالجة اللغة الطبيعية والكيمياء الحاسوبية وأنظمة التوصية الشخصية وغيرها.</p>
<p>تصف الإجراءات التالية كيفية عمل ميلفوس.</p>
<ol>
<li>يتم تحويل البيانات غير المهيكلة إلى ناقلات ميزات باستخدام نماذج التعلم العميق ويتم استيرادها إلى ميلفوس.</li>
<li>يخزن ميلفوس متجهات السمات ويفهرسها.</li>
<li>يُرجع ميلفوس المتجهات الأكثر تشابهًا مع المتجهات التي يستعلم عنها المستخدمون.</li>
</ol>
<h2 id="Deployment" class="common-anchor-header">النشر<button data-href="#Deployment" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>الآن لديك بعض الفهم لأنظمة تحليل الفيديو القائمة على ميلفوس. يتكون النظام بشكل أساسي من جزأين، كما هو موضح في الشكل التالي.</p>
<ul>
<li><p>تشير الأسهم الحمراء إلى عملية استيراد البيانات. استخدم ResNet-50 لاستخراج متجهات الملامح من مجموعة بيانات الصورة واستيراد متجهات الملامح إلى ميلفوس.</p></li>
<li><p>تشير الأسهم السوداء إلى عملية تحليل الفيديو. أولاً، استخرج الإطارات من الفيديو واحفظ الإطارات كصور. ثانيًا، اكتشاف واستخراج الأجسام في الصور باستخدام YOLOv3. بعد ذلك، استخدم ResNet-50 لاستخراج متجهات السمات من الصور. أخيرًا، يبحث Milvus عن معلومات الكائنات ويعيد معلومات الكائنات مع متجهات الميزات المقابلة.</p></li>
</ul>
<p>لمزيد من المعلومات، راجع <a href="https://github.com/milvus-io/bootcamp/tree/master/solutions/video_similarity_search/object_detection">معسكر ميلفوس التمهيدي: نظام الكشف عن كائنات الفيديو</a>.</p>
<p><strong>استيراد البيانات</strong></p>
<p>عملية استيراد البيانات بسيطة. قم بتحويل البيانات إلى متجهات ذات 2,048 بُعدًا واستيراد المتجهات إلى ميلفوس.</p>
<pre><code translate="no" class="language-python">vector = image_encoder.execute(filename)
entities = [vector]
collection.insert(data=entities)
<button class="copy-code-btn"></button></code></pre>
<p><strong>تحليل الفيديو</strong></p>
<p>كما هو موضح أعلاه، تتضمن عملية تحليل الفيديو التقاط إطارات الفيديو، واكتشاف الأجسام في كل إطار، واستخراج المتجهات من الأجسام، وحساب تشابه المتجهات باستخدام مقاييس المسافة الإقليدية (L2)، والبحث عن النتائج باستخدام Milvus.</p>
<pre><code translate="no" class="language-python">images = extract_frame(filename, 1, prefix)   
detector = Detector()   
run(detector, DATA_PATH)       
vectors = get_object_vector(image_encoder, DATA_PATH)
search_params = {<span class="hljs-string">&quot;metric_type&quot;</span>: <span class="hljs-string">&quot;L2&quot;</span>, <span class="hljs-string">&quot;params&quot;</span>: {<span class="hljs-string">&quot;nprobe&quot;</span>: 10}}
results = collection.search(vectors, param=search_params, <span class="hljs-built_in">limit</span>=10)
<button class="copy-code-btn"></button></code></pre>
<h2 id="Conclusion" class="common-anchor-header">الخلاصة<button data-href="#Conclusion" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>في الوقت الحالي، أكثر من 80% من البيانات غير منظمة. ومع التطور السريع للذكاء الاصطناعي، تم تطوير عدد متزايد من نماذج التعلم العميق لتحليل البيانات غير المنظمة. حققت تقنيات مثل اكتشاف الأشياء ومعالجة الصور اختراقات كبيرة في كل من الأوساط الأكاديمية والصناعية. وبفضل هذه التقنيات، استوفى المزيد والمزيد من منصات الذكاء الاصطناعي المتطلبات العملية.</p>
<p>تم بناء نظام تحليل الفيديو الذي تمت مناقشته في هذا الموضوع باستخدام برنامج Milvus، والذي يمكنه تحليل محتوى الفيديو بسرعة.</p>
<p>كقاعدة بيانات متجهة مفتوحة المصدر، تدعم Milvus متجهات الميزات المستخرجة باستخدام نماذج مختلفة للتعلم العميق. وبتكامله مع مكتبات مثل Faiss وNMSLIB وAnnoy، يوفر Milvus مجموعة من واجهات برمجة التطبيقات البديهية، التي تدعم تبديل أنواع الفهرس وفقًا للسيناريوهات. بالإضافة إلى ذلك، تدعم Milvus التصفية القياسية، مما يزيد من معدل الاستدعاء ومرونة البحث. وقد تم تطبيق Milvus في العديد من المجالات مثل معالجة الصور، والرؤية الحاسوبية، ومعالجة اللغات الطبيعية، والتعرف على الكلام، ونظام التوصية، واكتشاف الأدوية الجديدة.</p>
<h2 id="References" class="common-anchor-header">المراجع<button data-href="#References" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>[1] A. D. Bagdanov, L. Ballan, M. Bertini, A. Del Bimbo. "مطابقة العلامات التجارية واسترجاعها في قواعد بيانات الفيديو الرياضي." وقائع ورشة العمل الدولية حول ورشة عمل حول استرجاع معلومات الوسائط المتعددة، ACM، 2007. https://www.researchgate.net/publication/210113141_Trademark_matching_and_retrieval_in_sports_video_databases</p>
<p>[2] J. Kleban, X. Xie, W.-Y. Ma. "التنقيب الهرمي المكاني للكشف عن الشعارات في المشاهد الطبيعية". مؤتمر IEEE الدولي، 2008. https://ieeexplore.ieee.org/document/4607625</p>
<p>[3] R. Boia, C. Florea, L. Florea, R. Dogaru. "تحديد موقع الشعار والتعرف عليه في الصور الطبيعية باستخدام الرسوم البيانية للفئات المتجانسة." رؤية الآلة وتطبيقاتها 27 (2), 2016. https://link.springer.com/article/10.1007/s00138-015-0741-7</p>
<p>[4] R. Boia, C. Florea, L. Florea. "التكتل الإهليلجي الإهليلجي في النموذج الأولي للفئة للكشف عن الشعار." BMVC, 2015. http://citeseerx.ist.psu.edu/viewdoc/download;jsessionid=5C87F52DE38AB0C90F8340DFEBB841F7?doi=10.1.1.707.9371&amp;rep=rep1&amp;type=pdf</p>
<p>[5] https://arxiv.org/abs/1804.02767</p>
<p>[6] https://paddlepaddle.org.cn/modelbasedetail/yolov3</p>
<p>[7] https://arxiv.org/abs/1512.03385</p>


اكتشاف الكائنات

<custom-h1>ميلفوس تشارك في مهرجان هاكتوبرفيست 2021</custom-h1><p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/Hacktoberfest_89c929cace.png" alt="hacktoberfestCover" class="doc-image" id="hacktoberfestcover" />
   </span> <span class="img-wrapper"> <span>hacktoberfestCover</span> </span></p>
<p><strong>أعلنت اليوم شركة Milvus، قاعدة البيانات المتجهة التي تعمل على تمكين تطبيقات الذكاء الاصطناعي، عن مشاركتها في فعالية Hacktoberfest السنوية الثامنة برعاية DigitalOcean!</strong></p>
<p>في عام 2014، أطلقت DigitalOcean فعالية <a href="https://hacktoberfest.digitalocean.com/">Hacktoberfest</a> بفكرة الاحتفال بمشاريع البرمجيات مفتوحة المصدر. وعلى مر السنين، نما الحدث بشكل مطرد من عشرات إلى آلاف المشاركين.  هذا العام، يتطلع الحدث الذي يستمر لمدة شهر إلى النمو إلى أكثر من 200,000 مشارك نشط!</p>
<p>ابتداءً من 1 أكتوبر، يمكن للجميع، من المطورين المخضرمين إلى الطلاب، والمبتدئين في مجال البرمجة والكتاب التقنيين إلى مصممي تجربة المستخدم، المساهمة في مجتمعات البرمجيات مفتوحة المصدر وتطوير مهاراتهم، مع مزايا الفوز بهدايا محدودة الإصدار وغيرها.</p>
<h2 id="Everyone-is-welcome" class="common-anchor-header">الجميع مرحب بهم<button data-href="#Everyone-is-welcome" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>هناك الكثير من الطرق للمساهمة في مشروع ميلفوس - ليس عليك أن تكون نجمًا في البرمجة لتساهم! في الواقع، أنت لا تحتاج حتى إلى خلفية واسعة أو قائمة طويلة من المهارات من أجل المساعدة. هل أنت كاتب أو محرر بارع، رائع!  هل تحب إنشاء رسومات أو رسومات توضيحية - مثالي!  إليك بعض الطرق التي يمكنك من خلالها تقديم مساهمة خلال الحدث، بالإضافة إلى قائمة "مشكلات" GitHub للمساهمين الجدد لمعالجتها!</p>
<p>اطلع على التفاصيل <a href="https://discuss.milvus.io/t/join-hacktoberfest-2021-with-us/72#how-to-participate-1">هنا</a>.</p>
<h2 id="Contribute-get-noticed--earn-swag" class="common-anchor-header">ساهم واحصل على جوائز قيّمة<button data-href="#Contribute-get-noticed--earn-swag" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/swag_cae44023e8.png" alt="swag" class="doc-image" id="swag" />
   </span> <span class="img-wrapper"> <span>غنيمة</span> </span></p>
<p>من المؤكد أن المساهمة في المصدر المفتوح، أو مفهوم المصدر المفتوح، هو في جوهره تجسيد للإيثار، لكن بعض الهدايا الرائعة لا تضر. لدينا ملصقات حصرية وقمصان ولوحات مفاتيح وطائرة بدون طيار أيضًا! اطلع على التفاصيل على <a href="https://discuss.milvus.io/t/join-hacktoberfest-2021-with-us/72#prizes-8">صفحة منتدانا</a>.</p>
<p>توفر DigitalOcean أيضاً هدايا للمشاركين، راجع القواعد من الموقع الرسمي لمهرجان Hacktoberfest.</p>
<h2 id="Whats-next" class="common-anchor-header">ما التالي<button data-href="#Whats-next" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><ul>
<li><p>استضفنا مؤخراً مكالمة افتراضية للأسئلة والأجوبة حول مهرجان Hacktoberfest.  يمكنك مشاهدة التسجيل <a href="https://www.youtube.com/watch?v=cHjSTEHoiF8">هنا</a>.</p></li>
<li><p>للمشاركة في الفعالية، ننصحك بالبدء في صفحة milvus.io Hacktoberfest الخاصة بنا والاطلاع على <a href="https://hacktoberfest.com/">دليل "البدء السريع"</a></p></li>
<li><p>تحقق من <a href="https://github.com/milvus-io">ريبو GitHub</a> الخاص بنا (وأعطنا نجمة)!</p></li>
<li><p>اطلع على قائمة <a href="https://github.com/milvus-io/milvus/issues?q=is%3Aopen+is%3Aissue+label%3AHacktoberfest">"المشكلات"</a> المنسقة للمشاركين التي يمكن أن تساعدك على أن تصبح نجمًا!</p></li>
</ul>
<h2 id="Helpful-links" class="common-anchor-header">روابط مفيدة<button data-href="#Helpful-links" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><ul>
<li><p><a href="https://hacktoberfest.com/"><strong>صفحة فعالية ميلفوس x هاكتوبرفيست</strong></a></p></li>
<li><p><a href="https://discuss.milvus.io/c/hacktoberfest/9"><strong>منتدى مناقشة ميلفوس</strong></a> - انضم إلى منتدى ميلفوس للبقاء على اطلاع على إصدارات ميلفوس والتفاعل مع المستخدمين الآخرين وطرح الأسئلة أثناء الحدث.</p></li>
<li><p><strong>تابعنا على <a href="https://twitter.com/milvusio">تويتر،</a></strong> وإذا تم تسليط الضوء على مساهمتك خلال الحدث، يمكنك أن تكسب هدايا خاصة!</p></li>
</ul>


الجميع مرحب بهم

<custom-h1>دمج نماذج الذكاء الاصطناعي للبحث عن الصور باستخدام ONNX وMilvus</custom-h1><p>تبادل الشبكة العصبية المفتوحة (ONNX) هو تنسيق مفتوح مصمم لتمثيل نماذج التعلم الآلي. منذ أن تم فتح مصادره في عام 2017، تطورت ONNX لتصبح معيارًا للذكاء الاصطناعي، حيث توفر لبنات بناء لنماذج التعلم الآلي والتعلم العميق. يُحدد ONNX تنسيق ملف مشترك لتمكين مطوري الذكاء الاصطناعي من استخدام النماذج مع مختلف أطر العمل والأدوات وأوقات التشغيل والمُجمِّعات، ويساعد على زيادة سرعة الابتكار في مجتمع الذكاء الاصطناعي.</p>
<p>Milvus هي قاعدة بيانات متجهة مفتوحة المصدر تتسم بالمرونة العالية والموثوقية والسرعة الفائقة. وهي تدعم إضافة المتجهات وحذفها وتحديثها والبحث عنها في الوقت الفعلي تقريباً. يحتوي Milvus على مجموعة شاملة من واجهات برمجة التطبيقات البديهية، ودعم للعديد من مكتبات الفهرس المعتمدة على نطاق واسع (مثل Faiss وNMSLIB وAnnoy)، مما يبسط عملية اختيار الفهرس لسيناريو معين. يتميز برنامج Milvus بسهولة استخدامه، وقد تم استخدامه في مئات المنظمات والمؤسسات في جميع أنحاء العالم، بما في ذلك البحث عن الصور والصوت والفيديو، والتوصيات، وروبوت الدردشة، والبحث عن الأدوية الجديدة، وما إلى ذلك.</p>
<p>ستقدم لك هذه المقالة كيفية استخدام نماذج متعددة للبحث عن الصور استنادًا إلى ONNX و Milvus. يأخذ نموذجي VGG16 وResNet50 كأمثلة، ويستخدم ONNX لتشغيل نماذج ذكاء اصطناعي مختلفة لتوليد متجهات الميزات، وأخيرًا يقوم باسترجاع متجهات الميزات في Milvus لإرجاع صور متشابهة.</p>
<h2 id="Process-Models-with-ONNX" class="common-anchor-header">معالجة النماذج باستخدام ONNX<button data-href="#Process-Models-with-ONNX" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>يمكن تبادل تنسيق ONNX بسهولة بين نماذج الذكاء الاصطناعي. على سبيل المثال، يمكن تحويل نموذج TensorFlow إلى تنسيق ONNX وتشغيله في بيئة Caffe. في هذا المثال، نقوم في هذا المثال بتحويل نموذج ResNet50 المدرّب مسبقًا ضمن إطار عمل Keras إلى تنسيق ONNX، ثم نستدعي نموذج VGG16 بتنسيق ONNX لتحليل النماذج المختلفة.</p>
<pre><code translate="no" class="language-python"><span class="hljs-keyword">from</span> keras.applications.resnet50 <span class="hljs-keyword">import</span> ResNet50
<span class="hljs-keyword">import</span> tensorflow <span class="hljs-keyword">as</span> tf

<span class="hljs-comment"># load keras-resnet50 model and save as a floder</span>
model_resnet50 = ResNet50(include_top=<span class="hljs-literal">False</span>, pooling=<span class="hljs-string">&#x27;max&#x27;</span>, weights=<span class="hljs-string">&#x27;imagenet&#x27;</span>)
tf.saved_model.save(model_resnet50, <span class="hljs-string">&quot;keras_resnet50_model&quot;</span>)

<span class="hljs-comment"># convert resnet50 model to onnx</span>
! python -m tf2onnx.convert --saved-model <span class="hljs-string">&quot;keras_resnet50_model&quot;</span> --output <span class="hljs-string">&quot;onnx_resnet50.onnx&quot;</span>
<button class="copy-code-btn"></button></code></pre>
<p>ملاحظة: عند استخدامنا للواجهة <code translate="no">keras2onnx.convert_keras(model, model.name)</code> لتحويل النموذج، سيعيد الخطأ <code translate="no">AttributeError:'KerasTensor' object has no attribute'graph'</code>. ثم يمكننا استخدام أمر Python's Bash للتحويل وفقًا للحل على Stack Overflow.</p>
<h2 id="Extract-Feature-Vectors-using-Models" class="common-anchor-header">استخراج متجهات الميزات باستخدام النماذج<button data-href="#Extract-Feature-Vectors-using-Models" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>بعد تحويل نموذج ResNet50 إلى تنسيق ONNX، يمكنك استخراج متجه الميزة للصورة مباشرةً من خلال الاستدلال. ملاحظة: يجب تطبيع متجهات السمات بعد الاستخراج.</p>
<pre><code translate="no" class="language-python"><span class="hljs-comment"># get the image vectors with onnx model</span>
<span class="hljs-keyword">def</span> <span class="hljs-title function_">get_onnx_vectors</span>(<span class="hljs-params">onnx_model, img_path</span>):
    img = image.load_img(img_path, target_size=(<span class="hljs-number">224</span>, <span class="hljs-number">224</span>))
    x = image.img_to_array(img)
    x = np.expand_dims(x, axis=<span class="hljs-number">0</span>)
    x = preprocess_input(x)
    
    sess = onnxruntime.InferenceSession(onnx_model)
    x = x <span class="hljs-keyword">if</span> <span class="hljs-built_in">isinstance</span>(x, <span class="hljs-built_in">list</span>) <span class="hljs-keyword">else</span> [x]
    feed = <span class="hljs-built_in">dict</span>([(<span class="hljs-built_in">input</span>.name, x[n]) <span class="hljs-keyword">for</span> n, <span class="hljs-built_in">input</span> <span class="hljs-keyword">in</span> <span class="hljs-built_in">enumerate</span>(sess.get_inputs())])
    feat = sess.run(<span class="hljs-literal">None</span>, feed)[<span class="hljs-number">0</span>]
    
    norm_feat = feat[<span class="hljs-number">0</span>] / LA.norm(feat[<span class="hljs-number">0</span>])
    norm_feat = [i.item() <span class="hljs-keyword">for</span> i <span class="hljs-keyword">in</span> norm_feat]
    <span class="hljs-keyword">return</span> norm_feat
<button class="copy-code-btn"></button></code></pre>
<p>استخدم نموذج VGG16 بتنسيق ONNX لمعالجة بيانات الصورة:</p>
<pre><code translate="no" class="language-python"><span class="hljs-comment"># generate vectors with ResNet50 and VGG16 ONNX model</span>
2vec_resnet = get_onnx_vectors(<span class="hljs-string">&quot;onnx_resnet50.onnx&quot;</span>, <span class="hljs-string">&quot;./pic/example.jpg&quot;</span>)
3vec_vgg = get_onnx_vectors(<span class="hljs-string">&quot;onnx_vgg16.onnx&quot;</span>, <span class="hljs-string">&quot;./pic/example.jpg&quot;</span>)
<button class="copy-code-btn"></button></code></pre>
<h2 id="Store-Vector-Data" class="common-anchor-header">تخزين البيانات المتجهة<button data-href="#Store-Vector-Data" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>لا يمكن معالجة البيانات غير المهيكلة مثل الصور مباشرةً بواسطة الكمبيوتر، ولكن يمكن تحويلها إلى متجهات من خلال نموذج الذكاء الاصطناعي ثم تحليلها بواسطة الكمبيوتر. تم تصميم قاعدة البيانات المتجهة Milvus لتشغيل تحليل البيانات غير المهيكلة الضخمة. يمكنها تخزين البيانات المتجهة وإجراء تحليل شبه فوري. أولاً، قم بإنشاء مجموعة من النموذج المطابق في Milvus، ثم أدخل متجهات الصورة.</p>
<pre><code translate="no" class="language-python"><span class="hljs-keyword">from</span> milvus <span class="hljs-keyword">import</span> *

<span class="hljs-comment"># create collections in Milvus</span>
milvus.create_collection(resnet_collection_param)
milvus.create_collection(vgg_collection_param)

<span class="hljs-comment"># insert data to Milvus and return ids</span>
status, resnet_ids = milvus.insert(resnet_collection_name, resnet_vectors)
status, vgg_ids = milvus.insert(vgg_collection_name, vgg_vectors)
<button class="copy-code-btn"></button></code></pre>
<p>بعد إدراج البيانات بنجاح، سيعيد Milvus المعرف المطابق للمتجه، ومن ثم يمكننا العثور على الصورة حسب المعرف. نظرًا لأن Milvus 1.1 المستخدم في هذه الحالة لا يدعم التصفية العددية (التي يدعمها Milvus 2.0 الآن)، يتم استخدام Redis لتخزين معرف المتجه والقيمة الرئيسية لمسار الصورة.</p>
<pre><code translate="no" class="language-python"><span class="hljs-keyword">import</span> redis
<span class="hljs-keyword">def</span> <span class="hljs-title function_">img_ids_to_redis</span>(<span class="hljs-params">img_directory, res_ids</span>):
  <span class="hljs-keyword">for</span> img, ids <span class="hljs-keyword">in</span> <span class="hljs-built_in">zip</span>(images, res_ids):
    redis.<span class="hljs-built_in">set</span>(ids, img)
<button class="copy-code-btn"></button></code></pre>
<h2 id="Search-for-Similar-Images" class="common-anchor-header">البحث عن الصور المتشابهة<button data-href="#Search-for-Similar-Images" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>بعد تخزين البيانات، يمكننا استرجاع المتجه. يدعم ميلفوس طرقًا متعددة لحساب المسافة، بما في ذلك المسافة الإقليدية والضرب الداخلي ومسافة هامينج. يعتمد البحث عن تشابه الصور في هذه المقالة على حساب المسافة الإقليدية بين المتجهات في Milvus، ويعيد معرّف المتجه المتشابه ثم يعثر على الصورة المطابقة للمعرّف في Redis.</p>
<pre><code translate="no" class="language-python"><span class="hljs-comment"># search in Milvus and return the similarly results with ids</span>
<span class="hljs-keyword">def</span> <span class="hljs-title function_">search_in_milvus</span>(<span class="hljs-params">collection_name, search_vector</span>):
    status, results = milvus.search(collection_name, TOP_K, [search_vector])
    <span class="hljs-built_in">print</span>(status)
    re_ids = [x.<span class="hljs-built_in">id</span> <span class="hljs-keyword">for</span> x <span class="hljs-keyword">in</span> results[<span class="hljs-number">0</span>]]
    re_distance = [x.distance <span class="hljs-keyword">for</span> x <span class="hljs-keyword">in</span> results[<span class="hljs-number">0</span>]]
    <span class="hljs-keyword">return</span> re_ids, re_distance
    
<span class="hljs-comment"># get the images according the result ids</span>
<span class="hljs-keyword">def</span> <span class="hljs-title function_">get_sim_imgs</span>(<span class="hljs-params">collection_name, search_vector</span>):
    ids, distance = search_in_milvus(collection_name, search_vector)
    img = [red.get(i).decode(<span class="hljs-string">&quot;utf-8&quot;</span>) <span class="hljs-keyword">for</span> i <span class="hljs-keyword">in</span> ids]
    <span class="hljs-keyword">return</span> ids, distance, img
<button class="copy-code-btn"></button></code></pre>
<p>بأخذ نموذجي VGG16 وResNet50 كأمثلة، تعرض هذه المقالة معالجة نماذج متعددة من خلال ONNX ودمج نماذج متعددة مع Milvus لاسترجاع المتجهات المتشابهة للحصول على صور متشابهة. يعتمد النموذجان المذكوران أعلاه على إطار عمل Keras، والذي يمكنه استخراج متجهات السمات بسرعة. يمكن أن نرى من دفتر الملاحظات أنه على الرغم من أن نتائج بحث ميلفوس عن الصور على مجموعة بيانات COCO استنادًا إلى هذين النموذجين متشابهة، إلا أن المسافات الإقليدية بينهما ليست متشابهة. يمكنك أيضًا محاولة مقارنة نتائج البحث للنموذجين باستخدام مجموعات بيانات أخرى.</p>
<p>Milvus عبارة عن قاعدة بيانات متجهات عالية الأداء ومتوفرة بشكل كبير يمكن استخدامها لمعالجة متجهات السمات التي تم إنشاؤها من بيانات ضخمة غير منظمة. لمزيد من الحلول، يمكنك الرجوع إلى <a href="https://github.com/milvus-io/bootcamp">معسكر تدريب Milvus</a>.</p>
<h2 id="References" class="common-anchor-header">المراجع<button data-href="#References" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><ol>
<li>https://github.com/onnx/onnx</li>
<li>https://onnx.ai/</li>
<li>https://milvus.io/cn/</li>
<li>https://github.com/milvus-io/bootcamp</li>
</ol>
<h3 id="About-author" class="common-anchor-header">نبذة عن المؤلف</h3><p>شيو تشين، مهندسة بيانات في شركة Zilliz، تخرجت من جامعة زيليز وحصلت على شهادة في علوم الحاسب الآلي. منذ انضمامها إلى Zilliz، كانت تستكشف حلولاً لـ Milvus في مجالات مختلفة، مثل تحليل الصوت والفيديو، واسترجاع الصيغ الجزيئية، وما إلى ذلك، مما أثرى سيناريوهات التطبيق في المجتمع بشكل كبير. وهي تستكشف حاليًا المزيد من الحلول المثيرة للاهتمام. في أوقات فراغها، تحب الرياضة والقراءة.</p>


معالجة النماذج باستخدام ONNX

DiskANN، حل ANNS قائم على الأقراص مع استرجاع عالٍ وجودة عالية في الثانية على مجموعة بيانات بمليار دولار

نظرة عامة

<custom-h1>تصنيف تسلسل الحمض النووي على أساس ميلفوس</custom-h1><blockquote>
<p>المؤلف: منغجيا جو، مهندسة بيانات في شركة زيليز، تخرجت من جامعة ماكجيل بدرجة الماجستير في الدراسات المعلوماتية. تشمل اهتماماتها تطبيقات الذكاء الاصطناعي والبحث عن التشابه مع قواعد البيانات المتجهة. وبصفتها عضوًا في مجتمع مشروع Milvus المفتوح المصدر، قدمت وحسّنت العديد من الحلول، مثل نظام التوصيات ونموذج تصنيف تسلسل الحمض النووي. تستمتع بالتحديات ولا تستسلم أبدًا!</p>
</blockquote>
<custom-h1>مقدمة</custom-h1><p>يعد تسلسل الحمض النووي مفهومًا شائعًا في كل من البحوث الأكاديمية والتطبيقات العملية، مثل تتبع الجينات، وتحديد الأنواع، وتشخيص الأمراض. وفي حين أن جميع الصناعات تتوق إلى طريقة بحث أكثر ذكاءً وكفاءةً، فقد اجتذب الذكاء الاصطناعي الكثير من الاهتمام خاصةً في المجال البيولوجي والطبي. يساهم المزيد والمزيد من العلماء والباحثين في التعلم الآلي والتعلم العميق في المعلوماتية الحيوية. ولجعل النتائج التجريبية أكثر إقناعًا، فإن أحد الخيارات الشائعة هو زيادة حجم العينة. كما أن التعاون مع البيانات الضخمة في علم الجينوميات يجلب المزيد من إمكانيات الاستخدام في الواقع. ومع ذلك، فإن محاذاة التسلسل التقليدي لها قيود، مما يجعلها <a href="https://www.frontiersin.org/articles/10.3389/fbioe.2020.01032/full#h5">غير مناسبة للبيانات الكبيرة</a>. من أجل إجراء مفاضلة أقل في الواقع، يعد استخدام المتجهات خيارًا جيدًا لمجموعة بيانات كبيرة من تسلسلات الحمض النووي.</p>
<p>قاعدة بيانات المتجهات مفتوحة المصدر <a href="https://milvus.io/docs/v2.0.x/overview.md">Milvus</a> صديقة للبيانات الضخمة. فهي قادرة على تخزين ناقلات تسلسلات الحمض النووي وإجراء استرجاع عالي الكفاءة. ويمكن أن تساعد أيضًا في تقليل تكلفة الإنتاج أو البحث. لا يستغرق نظام تصنيف تسلسل الحمض النووي القائم على Milvus سوى أجزاء من الثانية للقيام بتصنيف الجينات. علاوة على ذلك، فإنه يُظهر دقة أعلى من المصنفات الشائعة الأخرى في التعلم الآلي.</p>
<custom-h1>معالجة البيانات</custom-h1><p>يتكون الجين الذي يشفر المعلومات الوراثية من مقطع صغير من تسلسل الحمض النووي، والذي يتكون من 4 قواعد نيوكليوتيدية [A، C، G، T]. ويوجد حوالي 30,000 جين في الجينوم البشري، أي ما يقرب من 3 مليارات زوج من قواعد الحمض النووي، ولكل زوج قاعدة قاعدتين متناظرتين. لدعم الاستخدامات المتنوعة، يمكن تصنيف تسلسلات الحمض النووي إلى فئات مختلفة. من أجل تقليل التكلفة وتسهيل استخدام بيانات تسلسل الحمض النووي الطويل، يتم إدخال <a href="https://en.wikipedia.org/wiki/K-mer#:~:text=Usually%2C%20the%20term%20k%2Dmer,total%20possible%20k%2Dmers%2C%20where">k-mer </a>في المعالجة المسبقة للبيانات. وفي الوقت نفسه، يجعل بيانات تسلسل الحمض النووي أكثر تشابهًا مع النص العادي. علاوة على ذلك، يمكن للبيانات المتجهة تسريع عملية الحساب في تحليل البيانات أو التعلم الآلي.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/1_a7469e9eac.png" alt="1.png" class="doc-image" id="1.png" />
   </span> <span class="img-wrapper"> <span>1.png</span> </span></p>
<p><strong>ك-مير</strong></p>
<p>تُستخدم طريقة k-mer بشكل شائع في المعالجة المسبقة لتسلسل الحمض النووي. وهي تستخرج مقطعًا صغيرًا من الطول k بدءًا من كل قاعدة من التسلسل الأصلي، وبالتالي تحويل تسلسل طويل بطول s إلى (s-k+1) تسلسلات قصيرة بطول k. سيؤدي تعديل قيمة k إلى تحسين أداء النموذج. تُعد قوائم التسلسلات القصيرة أسهل في قراءة البيانات واستخراج السمات وتكوين المتجهات.</p>
<p><strong>تحويل المتجهات</strong></p>
<p>يتم تحويل تسلسلات الحمض النووي إلى متجهات في شكل نص. يصبح التسلسل الذي يتم تحويله بواسطة k-mer قائمة من التسلسلات القصيرة، والتي تبدو كقائمة من الكلمات الفردية في جملة ما. لذلك، يجب أن تعمل معظم نماذج معالجة اللغة الطبيعية مع بيانات تسلسل الحمض النووي أيضًا. يمكن تطبيق منهجيات مماثلة على تدريب النموذج واستخراج السمات والترميز. نظرًا لأن كل نموذج له مزاياه وعيوبه الخاصة، فإن اختيار النماذج يعتمد على ميزة البيانات والغرض من البحث. على سبيل المثال، يقوم CountVectorizer، وهو نموذج كيس من الكلمات، بتنفيذ استخراج الميزات من خلال الترميز المباشر. لا يضع حدًا لطول البيانات، ولكن النتيجة التي يتم إرجاعها أقل وضوحًا من حيث مقارنة التشابه.</p>
<custom-h1>عرض Milvus التجريبي</custom-h1><p>يستطيع Milvus إدارة البيانات غير المهيكلة بسهولة واستدعاء معظم النتائج المتشابهة من بين تريليونات المتجهات في غضون متوسط تأخير يبلغ ميلي ثانية. يعتمد بحث التشابه الخاص به على خوارزمية البحث التقريبي لأقرب جار (ANN). هذه الميزات تجعل من Milvus خيارًا رائعًا لإدارة متجهات تسلسلات الحمض النووي، وبالتالي تعزيز تطوير وتطبيقات المعلوماتية الحيوية.</p>
<p>فيما يلي عرض توضيحي يوضح كيفية بناء نظام تصنيف تسلسل الحمض النووي باستخدام Milvus. تتضمن <a href="https://www.kaggle.com/nageshsingh/dna-sequence-dataset">مجموعة البيانات التجريبية </a>3 كائنات حية و7 عائلات جينية. يتم تحويل جميع البيانات إلى قوائم من التسلسلات القصيرة بواسطة k-mers. باستخدام نموذج CountVectorizer المدرب مسبقًا، يقوم النظام بعد ذلك بترميز بيانات التسلسل إلى متجهات. يوضح مخطط التدفق أدناه هيكل النظام وعمليات الإدراج والبحث.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/1_ebd89660f6.png" alt="1.png" class="doc-image" id="1.png" />
   </span> <span class="img-wrapper"> <span>1.png</span> </span></p>
<p>جرّب هذا العرض التوضيحي في <a href="https://github.com/milvus-io/bootcamp/tree/master/solutions/dna_sequence_classification">معسكر ميلفوس التدريبي</a>.</p>
<p>في Milvus، ينشئ النظام مجموعة ويدرج المتجهات المقابلة لتسلسلات الحمض النووي في المجموعة (أو القسم إذا تم تمكينه). عند تلقي طلب استعلام، سيعيد ميلفوس المسافات بين متجه تسلسل الحمض النووي المدخلات والنتائج الأكثر تشابهًا في قاعدة البيانات. يمكن تحديد فئة تسلسل الإدخال والتشابه بين تسلسل الحمض النووي من خلال مسافات المتجه في النتائج.</p>
<pre><code translate="no"><span class="hljs-comment"># Insert vectors to Milvus collection (partition &quot;human&quot;)</span>
DNA_human = collection.insert([human_ids, human_vectors], partition_name=<span class="hljs-string">&#x27;human&#x27;</span>)
<span class="hljs-comment"># Search topK results (in partition &quot;human&quot;) for test vectors</span>
res = collection.search(test_vectors, <span class="hljs-string">&quot;vector_field&quot;</span>, search_params, limit=topK, partition_names=[<span class="hljs-string">&#x27;human&#x27;</span>])
<span class="hljs-keyword">for</span> results <span class="hljs-keyword">in</span> res:
    res_ids = results.ids <span class="hljs-comment"># primary keys of topK results</span>
    res_distances = results.distances <span class="hljs-comment"># distances between topK results &amp; search input</span>
<button class="copy-code-btn"></button></code></pre>
<p><strong>تصنيف تسلسل الحمض النووي</strong>يمكن أن يشير البحث عن أكثر تسلسلات الحمض النووي تشابهًا في "ملفوس" إلى عائلة الجينات لعينة مجهولة، وبالتالي معرفة وظائفها المحتملة.<a href="https://www.nature.com/scitable/topicpage/gpcr-14047471/"> إذا تم تصنيف التسلسل على أنه GPCRs، فمن المحتمل أن يكون له تأثير في وظائف الجسم. </a>في هذا العرض التوضيحي، نجح نظام Milvus في تحديد العائلات الجينية لتسلسلات الحمض النووي البشري التي تم البحث عنها.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/3_1616da5bb0.png" alt="3.png" class="doc-image" id="3.png" />
   </span> <span class="img-wrapper"> <span>3.png</span> </span> <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/4_d719b22fc7.png" alt="4.png" class="doc-image" id="4.png" /><span>4.png</span> </span></p>
<p><strong>التشابه الجيني</strong></p>
<p>يوضح متوسط تشابه تسلسل الحمض النووي بين الكائنات الحية مدى التقارب بين جينوماتها. يبحث البرنامج التجريبي في بيانات الإنسان عن أكثر تسلسلات الحمض النووي تشابهًا مع تسلسلات الشمبانزي والكلب على التوالي. ثم يحسب ويقارن متوسط مسافات الضرب الداخلي (0.97 للشمبانزي و 0.70 للكلب)، مما يثبت أن الشمبانزي يشترك مع الإنسان في جينات أكثر تشابهًا من الكلب. مع وجود بيانات أكثر تعقيدًا وتصميم نظام أكثر تعقيدًا، فإن برنامج Milvus قادر على دعم الأبحاث الجينية حتى على مستوى أعلى.</p>
<pre><code translate="no">search_params = {<span class="hljs-string">&quot;metric_type&quot;</span>: <span class="hljs-string">&quot;IP&quot;</span>, <span class="hljs-string">&quot;params&quot;</span>: {<span class="hljs-string">&quot;nprobe&quot;</span>: <span class="hljs-number">20</span>}}
<button class="copy-code-btn"></button></code></pre>
<p><strong>الأداء</strong></p>
<p>يقوم العرض التوضيحي بتدريب نموذج التصنيف باستخدام 80% من بيانات العينة البشرية (3629 في المجموع) ويستخدم الباقي كبيانات اختبار. وهو يقارن أداء نموذج تصنيف تسلسل الحمض النووي الذي يستخدم Milvus مع النموذج الذي يعمل بواسطة Mysql و5 مصنفات شائعة للتعلم الآلي. يتفوق النموذج القائم على Milvus على نظرائه في الدقة.</p>
<pre><code translate="no"><span class="hljs-keyword">from</span> sklearn.<span class="hljs-property">model_selection</span> <span class="hljs-keyword">import</span> train_test_split
X, y = human_sequence_kmers, human_labels
X_train, X_test, y_train, y_test = <span class="hljs-title function_">train_test_split</span>(X, y, test_size=<span class="hljs-number">0.2</span>, random_state=<span class="hljs-number">42</span>)
<button class="copy-code-btn"></button></code></pre>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/1_6541a7dec6.png" alt="1.png" class="doc-image" id="1.png" />
   </span> <span class="img-wrapper"> <span>1.png</span> </span></p>
<custom-h1>مزيد من الاستكشاف</custom-h1><p>مع تطور تكنولوجيا البيانات الضخمة، ستلعب متجهات تسلسل الحمض النووي دورًا أكثر أهمية في الأبحاث والممارسات الوراثية. إلى جانب المعرفة المهنية في مجال المعلوماتية الحيوية، يمكن للدراسات ذات الصلة أن تستفيد بشكل أكبر من مشاركة ناقلات تسلسل الحمض النووي. لذلك، يمكن أن تقدم ميلفوس نتائج أفضل في الممارسة العملية. ووفقًا للسيناريوهات المختلفة واحتياجات المستخدم، يُظهر البحث عن التشابه وحساب المسافة المدعوم من ميلفوس إمكانات كبيرة وإمكانيات عديدة.</p>
<ul>
<li><strong>دراسة التسلسلات المجهولة</strong>: <a href="https://iopscience.iop.org/article/10.1088/1742-6596/1453/1/012071/pdf">وفقًا لبعض الباحثين، يمكن أن يضغط المتجه بيانات تسلسل الحمض النووي.</a> وفي الوقت نفسه، يتطلب جهدًا أقل لدراسة بنية ووظيفة وتطور تسلسلات الحمض النووي غير المعروفة. يمكن لميلفوس تخزين واسترجاع عدد كبير من نواقل تسلسل الحمض النووي دون فقدان الدقة.</li>
<li><strong>تكييف الأجهزة</strong>: مقيدًا بالخوارزميات التقليدية لمحاذاة التسلسل، بالكاد يمكن أن يستفيد البحث عن التشابه من تحسين الجهاز<a href="https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7884812/">(وحدة المعالجة</a><a href="https://mjeer.journals.ekb.eg/article_146090.html">المركزية/وحدة</a><a href="https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7884812/">المعالجة المركزية/وحدة معالجة الرسومات</a>). يعمل برنامج Milvus، الذي يدعم كلاً من الحوسبة العادية لوحدة المعالجة المركزية وتسريع وحدة معالجة الرسومات، على حل هذه المشكلة باستخدام خوارزمية الجار الأقرب التقريبي.</li>
<li><strong>الكشف عن الفيروسات وتتبع أصولها</strong>: <a href="https://www.nature.com/articles/s41586-020-2012-7?fbclid=IwAR2hxnXb9nLWgA8xexEoNrCNH8WHqvHhhbN38aSm48AaH6fTzGMB1BLljf4">قارن العلماء تسلسل الجينوم وأبلغوا أن فيروس COVID19 الذي يُحتمل أن يكون من أصل خفاش ينتمي إلى فيروس سارس-COV</a>. وبناءً على هذا الاستنتاج، يمكن للباحثين توسيع حجم العينة للحصول على المزيد من الأدلة والأنماط.</li>
<li><strong>تشخيص الأمراض</strong>: سريريًا، يمكن للأطباء مقارنة تسلسل الحمض النووي بين المرضى والمجموعة السليمة لتحديد الجينات المتغيرة التي تسبب الأمراض. من الممكن استخراج السمات وترميز هذه البيانات باستخدام خوارزميات مناسبة. يستطيع ميلفوس إرجاع المسافات بين المتجهات، والتي يمكن أن تكون مرتبطة ببيانات الأمراض. وبالإضافة إلى المساعدة في تشخيص المرض، يمكن لهذا التطبيق أن يساعد أيضًا في استلهام دراسة <a href="https://www.frontiersin.org/articles/10.3389/fgene.2021.680117/full">العلاج المستهدف</a>.</li>
</ul>
<custom-h1>تعرف على المزيد حول ميلفوس</custom-h1><p>Milvus هو أداة قوية قادرة على تشغيل مجموعة واسعة من تطبيقات الذكاء الاصطناعي والبحث عن تشابه المتجهات. لمعرفة المزيد عن المشروع، اطلع على الموارد التالية:</p>
<ul>
<li>اقرأ <a href="https://milvus.io/blog">مدونتنا</a>.</li>
<li>تفاعل مع مجتمعنا مفتوح المصدر على <a href="https://milvusio.slack.com/join/shared_invite/zt-e0u4qu3k-bI2GDNys3ZqX1YCJ9OM~GQ#/shared-invite/email">Slack</a>.</li>
<li>استخدم أو ساهم في قاعدة بيانات المتجهات الأكثر شعبية في العالم على <a href="https://github.com/milvus-io/milvus/">GitHub</a>.</li>
<li>اختبار تطبيقات الذكاء الاصطناعي ونشرها بسرعة من خلال <a href="https://github.com/milvus-io/bootcamp">معسكرنا التدريبي</a> الجديد.</li>
</ul>


تصنيف تسلسل الحمض النووي على أساس ميلفوس

قراءة الورقة البحثية ｜HM-ANN عندما تلتقي ANNS مع الذاكرة غير المتجانسة

ميلفوس 2.0 إعادة تعريف قاعدة بيانات المتجهات

البنية الشاملة

<custom-h1>استرجاع الصوت استناداً إلى ميلفوس</custom-h1><p>الصوت هو نوع بيانات كثيف المعلومات. على الرغم من أنه قد يبدو قديمًا في عصر محتوى الفيديو، إلا أن الصوت لا يزال مصدرًا أساسيًا للمعلومات بالنسبة للعديد من الأشخاص. على الرغم من الانخفاض طويل الأجل في عدد المستمعين، فقد استمع 83% من الأمريكيين الذين تبلغ أعمارهم 12 عامًا أو أكثر إلى الراديو الأرضي (AM / FM) في أسبوع معين في عام 2020 (انخفاضًا من 89% في عام 2019). وعلى العكس من ذلك، شهد الصوت عبر الإنترنت ارتفاعًا مطردًا في عدد المستمعين على مدار العقدين الماضيين، حيث أفادت <a href="https://www.journalism.org/fact-sheet/audio-and-podcasting/">دراسة مركز بيو للأبحاث</a> نفسها أن 62% من الأمريكيين يستمعون إلى شكل من أشكاله أسبوعيًا.</p>
<p>كموجة، يتضمن الصوت أربع خصائص: التردد والسعة والشكل الموجي والمدة. وفي المصطلحات الموسيقية، تُسمى هذه الخصائص بطبقة الصوت والديناميكية والنغمة والمدة. تساعد الأصوات أيضًا البشر والحيوانات الأخرى على إدراك وفهم بيئتنا وفهمها، حيث توفر أدلة على سياق موقع وحركة الأشياء في محيطنا.</p>
<p>وباعتباره ناقل للمعلومات، يمكن تصنيف الصوت إلى ثلاث فئات:</p>
<ol>
<li><strong>الكلام:</strong> وسيط تواصل يتألف من كلمات وقواعد نحوية. يمكن تحويل الكلام إلى نص باستخدام خوارزميات التعرّف على الكلام.</li>
<li><strong>الموسيقى:</strong> أصوات صوتية و/أو آلات موسيقية مدمجة لإنتاج مقطوعة تتألف من اللحن والتناغم والإيقاع والجرس. يمكن تمثيل الموسيقى بنوتة موسيقية.</li>
<li><strong>الشكل الموجي:</strong> إشارة صوتية رقمية يتم الحصول عليها من خلال رقمنة الأصوات التناظرية. يمكن أن تمثل الأشكال الموجية الكلام والموسيقى والأصوات الطبيعية أو المركبة.</li>
</ol>
<p>يمكن استخدام استرجاع الصوت للبحث عن الوسائط عبر الإنترنت ومراقبتها في الوقت الفعلي للقضاء على انتهاك حقوق الملكية الفكرية. كما يضطلع بدور مهم في تصنيف البيانات الصوتية وتحليلها إحصائياً.</p>
<h2 id="Processing-Technologies" class="common-anchor-header">تقنيات المعالجة<button data-href="#Processing-Technologies" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>يتميز كل من الكلام والموسيقى والأصوات العامة الأخرى بخصائص فريدة ويتطلب أساليب معالجة مختلفة. عادةً ما يتم تقسيم الصوت إلى مجموعات تحتوي على كلام ومجموعات لا تحتوي على كلام:</p>
<ul>
<li>تتم معالجة الصوت الكلام عن طريق التعرف التلقائي على الكلام.</li>
<li>تتم معالجة الصوت غير الكلامي، بما في ذلك الصوت الموسيقي والمؤثرات الصوتية وإشارات الكلام المرقمنة، باستخدام أنظمة استرجاع الصوت.</li>
</ul>
<p>تركز هذه المقالة على كيفية استخدام نظام استرجاع الصوت لمعالجة البيانات الصوتية غير الكلامية. لا تتم تغطية التعرف على الكلام في هذه المقالة</p>
<h3 id="Audio-feature-extraction" class="common-anchor-header">استخراج ميزات الصوت</h3><p>يعتبر استخلاص الميزات أهم تقنية في أنظمة استرجاع الصوت لأنه يتيح البحث عن تشابه الصوت. تنقسم طرق استخراج الميزات الصوتية إلى فئتين:</p>
<ul>
<li>نماذج استخراج الميزات الصوتية التقليدية مثل نماذج المزيج الغوسي (GMMs) ونماذج ماركوف المخفية (HMMs);</li>
<li>نماذج استخراج السمات الصوتية القائمة على التعلم العميق، مثل الشبكات العصبية المتكررة (RNNs)، وشبكات الذاكرة طويلة المدى (LSTM)، وأطر الترميز وفك التشفير، وآليات الانتباه، وما إلى ذلك.</li>
</ul>
<p>تتمتع النماذج القائمة على التعلّم العميق بمعدل خطأ أقل من النماذج التقليدية بمقدار كبير، وبالتالي تكتسب زخمًا كتقنية أساسية في مجال معالجة الإشارات الصوتية.</p>
<p>عادةً ما يتم تمثيل البيانات الصوتية من خلال الميزات الصوتية المستخرجة. تقوم عملية الاسترجاع بالبحث عن هذه السمات والسمات ومقارنتها بدلاً من البيانات الصوتية نفسها. لذلك، تعتمد فعالية استرجاع التشابه الصوتي إلى حد كبير على جودة استخراج السمات.</p>
<p>في هذه المقالة، يتم استخدام <a href="https://github.com/qiuqiangkong/audioset_tagging_cnn">الشبكات العصبية الصوتية واسعة النطاق المدربة مسبقًا للتعرف على الأنماط الصوتية (PANNs)</a> لاستخراج متجهات السمات بمتوسط دقة (mAP) يبلغ 0.439 (هيرشي وآخرون، 2017).</p>
<p>بعد استخراج متجهات السمات للبيانات الصوتية، يمكننا تنفيذ تحليل متجهات السمات عالي الأداء باستخدام Milvus.</p>
<h3 id="Vector-similarity-search" class="common-anchor-header">البحث عن تشابه المتجهات</h3><p><a href="https://milvus.io/">Milvus</a> عبارة عن قاعدة بيانات متجهات سحابية مفتوحة المصدر ومفتوحة المصدر تم إنشاؤها لإدارة متجهات التضمين التي تم إنشاؤها بواسطة نماذج التعلم الآلي والشبكات العصبية. ويُستخدم على نطاق واسع في سيناريوهات مثل الرؤية الحاسوبية ومعالجة اللغات الطبيعية والكيمياء الحاسوبية وأنظمة التوصية الشخصية وغيرها.</p>
<p>يصور الرسم البياني التالي عملية البحث عن التشابه العامة باستخدام ميلفوس: <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/how_does_milvus_work_6926180543.png" alt="how-does-milvus-work.png" class="doc-image" id="how-does-milvus-work.png" /><span>كيف-يفعل-ميلفوس-عمل.png</span> </span></p>
<ol>
<li>يتم تحويل البيانات غير المهيكلة إلى متجهات ميزات بواسطة نماذج التعلم العميق وإدراجها في Milvus.</li>
<li>يقوم ميلفوس بتخزين وفهرسة متجهات الميزات هذه.</li>
<li>عند الطلب، يبحث ميلفوس عن المتجهات الأكثر تشابهًا مع متجه الاستعلام ويعيدها.</li>
</ol>
<h2 id="System-overview" class="common-anchor-header">نظرة عامة على النظام<button data-href="#System-overview" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>يتكون نظام استرجاع الصوت بشكل أساسي من جزأين: الإدراج (الخط الأسود) والبحث (الخط الأحمر).</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/audio_retrieval_system_663a911c95.png" alt="audio-retrieval-system.png" class="doc-image" id="audio-retrieval-system.png" />
   </span> <span class="img-wrapper"> <span>Audio-retrieval-نظام-استرجاع الصوت.png</span> </span></p>
<p>تحتوي مجموعة البيانات النموذجية المستخدمة في هذا المشروع على أصوات ألعاب مفتوحة المصدر، والشفرة مفصلة في <a href="https://github.com/milvus-io/bootcamp/tree/master/solutions/audio_similarity_search">مخيم ميلفوس التمهيدي</a>.</p>
<h3 id="Step-1-Insert-data" class="common-anchor-header">الخطوة 1: إدراج البيانات</h3><p>فيما يلي مثال على الكود البرمجي لتوليد تضمينات صوتية باستخدام نموذج استدلال PANNs المدرب مسبقًا وإدراجها في Milvus، والذي يعيّن معرّفًا فريدًا لكل تضمين متجه.</p>
<pre><code translate="no"><span class="hljs-number">1</span> wav_name, vectors_audio = get_audio_embedding(audio_path)  
<span class="hljs-number">2</span> <span class="hljs-keyword">if</span> vectors_audio:    
<span class="hljs-number">3</span>     embeddings.<span class="hljs-built_in">append</span>(vectors_audio)  
<span class="hljs-number">4</span>     wav_names.<span class="hljs-built_in">append</span>(wav_name)  
<span class="hljs-number">5</span> ids_milvus = insert_vectors(milvus_client, table_name, embeddings)  
<span class="hljs-number">6</span> 
<button class="copy-code-btn"></button></code></pre>
<p>ثم يتم تخزين معرفات <strong>ids_milvus</strong> التي تم إرجاعها مع المعلومات الأخرى ذات الصلة (مثل <strong>wav_name</strong>) للبيانات الصوتية المحفوظة في قاعدة بيانات MySQL للمعالجة اللاحقة.</p>
<pre><code translate="no">1 get_ids_correlation(ids_milvus, wav_name)  
2 load_data_to_mysql(conn, cursor, table_name)    
3  
<button class="copy-code-btn"></button></code></pre>
<h3 id="Step-2-Audio-search" class="common-anchor-header">الخطوة 2: البحث عن الصوت</h3><p>يقوم Milvus بحساب مسافة الضرب الداخلي بين متجهات الميزات المخزنة مسبقًا ومتجهات ميزات الإدخال، المستخرجة من بيانات الصوت المستعلم باستخدام نموذج الاستدلال PANNs، وإرجاع <strong>ids_milvus</strong> لمتجهات الميزات المتشابهة، والتي تتوافق مع البيانات الصوتية التي تم البحث عنها.</p>
<pre><code translate="no"><span class="hljs-number">1</span> _, vectors_audio = get_audio_embedding(audio_filename)    
<span class="hljs-number">2</span> results = search_vectors(milvus_client, table_name, [vectors_audio], METRIC_TYPE, TOP_K)  
<span class="hljs-number">3</span> ids_milvus = [x.<span class="hljs-built_in">id</span> <span class="hljs-keyword">for</span> x <span class="hljs-keyword">in</span> results[<span class="hljs-number">0</span>]]  
<span class="hljs-number">4</span> audio_name = search_by_milvus_ids(conn, cursor, ids_milvus, table_name)    
<span class="hljs-number">5</span>
<button class="copy-code-btn"></button></code></pre>
<h2 id="API-reference-and-demo" class="common-anchor-header">مرجع واجهة برمجة التطبيقات والعرض التوضيحي<button data-href="#API-reference-and-demo" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><h3 id="API" class="common-anchor-header">واجهة برمجة التطبيقات</h3><p>تم بناء نظام استرجاع الصوت هذا بكود مفتوح المصدر. ميزاته الرئيسية هي إدراج البيانات الصوتية وحذفها. يمكن عرض جميع واجهات برمجة التطبيقات عن طريق كتابة <strong>127.0.0.1:<port></strong> /docs في المتصفح.</p>
<h3 id="Demo" class="common-anchor-header">العرض التوضيحي</h3><p>نستضيف عرضًا توضيحيًا <a href="https://zilliz.com/solutions">مباشرًا</a> لنظام استرجاع الصوت المستند إلى Milvus عبر الإنترنت يمكنك تجربته باستخدام بياناتك الصوتية الخاصة.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/audio_search_demo_cae60625db.png" alt="audio-search-demo.png" class="doc-image" id="audio-search-demo.png" />
   </span> <span class="img-wrapper"> <span>Audio-search-demo.png</span> </span></p>
<h2 id="Conclusion" class="common-anchor-header">الخلاصة<button data-href="#Conclusion" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>في عصر البيانات الضخمة، يجد الناس أن حياتهم مليئة بجميع أنواع المعلومات. ولتحقيق فهم أفضل لها، فإن استرجاع النصوص التقليدية لم يعد يفي بالغرض. تكنولوجيا استرجاع المعلومات اليوم في حاجة ماسة إلى استرجاع مختلف أنواع البيانات غير المهيكلة، مثل مقاطع الفيديو والصور والصوت.</p>
<p>يمكن تحويل البيانات غير المهيكلة، التي يصعب على أجهزة الكمبيوتر معالجتها، إلى متجهات ميزات باستخدام نماذج التعلم العميق. يمكن معالجة هذه البيانات المحوّلة بسهولة بواسطة الآلات، مما يمكّننا من تحليل البيانات غير المهيكلة بطرق لم يتمكن أسلافنا من القيام بها. يمكن لـ Milvus، وهي قاعدة بيانات متجهات مفتوحة المصدر، معالجة متجهات السمات المستخرجة بواسطة نماذج الذكاء الاصطناعي بكفاءة، كما توفر مجموعة متنوعة من حسابات تشابه المتجهات الشائعة.</p>
<h2 id="References" class="common-anchor-header">المراجع<button data-href="#References" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>Hershey, S., Chaudhuri, S., Ellis, D.P., Gemmeke, J.F., Jansen, A., Moore, R.C., Plakal, M., Platt, D., Saurous, R.A., Seybold, B. and Slaney, M., 2017, March. بنية شبكة CNN لتصنيف الصوت على نطاق واسع. في مؤتمر IEEE الدولي للصوتيات والكلام ومعالجة الإشارات (ICASSP) لعام 2017، ص 131-135، 2017</p>
<h2 id="Dont-be-a-stranger" class="common-anchor-header">لا تكن غريبًا<button data-href="#Dont-be-a-stranger" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><ul>
<li><p>ابحث أو ساهم في Milvus على <a href="https://github.com/milvus-io/milvus/">GitHub</a>.</p></li>
<li><p>تفاعل مع المجتمع عبر <a href="https://join.slack.com/t/milvusio/shared_invite/zt-e0u4qu3k-bI2GDNys3ZqX1YCJ9OM~GQ">Slack</a>.</p></li>
<li><p>تواصل معنا على <a href="https://twitter.com/milvusio">تويتر</a>.</p></li>
</ul>


تقنيات المعالجة

<custom-h1>ميل ميل: روبوت محادثة للأسئلة الشائعة مدعوم من ميلفوس يجيب عن أسئلة حول ميلفوس</custom-h1><p>أنشأ مجتمع المصدر المفتوح مؤخرًا MilMil - وهو روبوت دردشة للأسئلة الشائعة حول Milvus صممه مستخدمو Milvus ومن أجلهم. يتوفر MilMil على مدار الساعة طوال أيام الأسبوع على موقع <a href="https://milvus.io/">Milvus.io</a> للإجابة على الأسئلة الشائعة حول Milvus، قاعدة بيانات المتجهات مفتوحة المصدر الأكثر تقدمًا في العالم.</p>
<p>لا يساعد نظام الإجابة على الأسئلة هذا في حل المشاكل الشائعة التي يواجهها مستخدمو Milvus بسرعة أكبر فحسب، بل يحدد المشاكل الجديدة بناءً على ما يرسله المستخدمون. تتضمن قاعدة بيانات MilMil الأسئلة التي طرحها المستخدمون منذ إطلاق المشروع لأول مرة بموجب ترخيص مفتوح المصدر في عام 2019. يتم تخزين الأسئلة في مجموعتين، واحدة لميل ميلفوس 1.x وما قبلها وأخرى لميلفوس 2.0.</p>
<p>يتوفر MilMil حاليًا باللغة الإنجليزية فقط.</p>
<h2 id="How-does-MilMil-work" class="common-anchor-header">كيف يعمل ميل ميل ميل ميل؟<button data-href="#How-does-MilMil-work" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>يعتمد MilMil على نموذج MilMil على نموذج <em>محولات الجمل/محوّلات الجمل/محوّلات التشابه-مبتكرات-مبتكرات-قاعدة-بنت-بيس-ف2</em> للحصول على تمثيلات متجهة لقاعدة بيانات الأسئلة الشائعة، ثم يتم استخدام Milvus لاسترجاع التشابه المتجه لإرجاع الأسئلة المتشابهة دلاليًا.</p>
<p>أولاً، يتم تحويل بيانات الأسئلة الشائعة إلى متجهات دلالية باستخدام نموذج معالجة اللغة الطبيعية (NLP). يتم بعد ذلك إدراج التضمينات في Milvus ويتم تعيين معرف فريد لكل منها. أخيرًا، يتم إدراج الأسئلة والأجوبة في PostgreSQL، وهي قاعدة بيانات علائقية، مع معرّفات المتجهات الخاصة بها.</p>
<p>عندما يرسل المستخدمون سؤالاً ما، يقوم النظام بتحويله إلى متجه خاصية باستخدام BERT. بعد ذلك، يبحث النظام في "ميلفوس" عن خمسة متجهات الأكثر تشابهًا مع متجه الاستعلام ويسترجع معرّفاتها. وأخيراً، يتم إرجاع الأسئلة والإجابات التي تتوافق مع معرّفات المتجهات المسترجعة إلى المستخدم.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/system_process_dca67a80a6.png" alt="system-process.png" class="doc-image" id="system-process.png" />
   </span> <span class="img-wrapper"> <span>System-process.png</span> </span></p>
<p>راجع مشروع <a href="https://github.com/milvus-io/bootcamp/tree/master/solutions/question_answering_system">نظام الإجابة على الأسئلة</a> في معسكر ميلفوس التدريبي لاستكشاف الكود المستخدم لبناء روبوتات الدردشة الآلية للذكاء الاصطناعي.</p>
<h2 id="Ask-MilMil-about-Milvus" class="common-anchor-header">اسأل ميلميل عن ميلفوس<button data-href="#Ask-MilMil-about-Milvus" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>للدردشة مع ميلميل، انتقل إلى أي صفحة على <a href="https://milvus.io/">Milvus.io</a> وانقر على أيقونة الطائر في الزاوية اليمنى السفلى. اكتب سؤالك في مربع إدخال النص واضغط على إرسال. سيرد عليك ميل ميل ميل في أجزاء من الثانية! بالإضافة إلى ذلك، يمكن استخدام القائمة المنسدلة في الزاوية العلوية اليسرى للتبديل بين الوثائق التقنية للإصدارات المختلفة من ميلفوس.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/milvus_chatbot_icon_f3c25708ca.png" alt="milvus-chatbot-icon.png" class="doc-image" id="milvus-chatbot-icon.png" />
   </span> <span class="img-wrapper"> <span>Milvus-chatbot- الرمز.png</span> </span></p>
<p>بعد إرسال سؤال، يقوم الروبوت على الفور بإرجاع ثلاثة أسئلة مشابهة دلاليًا لسؤال الاستعلام. يمكنك النقر على "مشاهدة الإجابة" لتصفح الإجابات المحتملة لسؤالك، أو النقر على "مشاهدة المزيد" لعرض المزيد من الأسئلة المتعلقة ببحثك. إذا لم تتوفر إجابة مناسبة، انقر على "ضع ملاحظاتك هنا" لطرح سؤالك مع عنوان البريد الإلكتروني. ستصل المساعدة من مجتمع ميلفوس قريبًا!</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/chatbot_UI_0f4a7655d4.png" alt="chatbot_UI.png" class="doc-image" id="chatbot_ui.png" />
   </span> <span class="img-wrapper"> <span>chatbot_UI.png</span> </span></p>
<p>جرّب MilMil وأخبرنا برأيك. نرحب بجميع الأسئلة أو التعليقات أو أي شكل من أشكال التعليقات.</p>
<h2 id="Dont-be-a-stranger" class="common-anchor-header">لا تكن غريباً<button data-href="#Dont-be-a-stranger" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><ul>
<li>ابحث أو ساهم في ميلفوس على <a href="https://github.com/milvus-io/milvus/">GitHub</a>.</li>
<li>تفاعل مع المجتمع عبر <a href="https://join.slack.com/t/milvusio/shared_invite/zt-e0u4qu3k-bI2GDNys3ZqX1YCJ9OM~GQ">Slack</a>.</li>
<li>تواصل معنا على <a href="https://twitter.com/milvusio">تويتر</a>.</li>
</ul>


MilMil روبوت الدردشة الآلي للأسئلة الشائعة المدعوم من ميلفوس الذي يجيب عن أسئلة حول ميلفوس

<custom-h1>اختبار حلول البحث المتجه ونشرها بسرعة مع معسكر التدريب Milvus 2.0 Milvus 2.0</custom-h1><p>مع إصدار Milvus 2.0، قام الفريق بتجديد <a href="https://github.com/milvus-io/bootcamp">معسكر تدريب</a> Milvus التمهيدي. يقدم المعسكر التمهيدي الجديد والمحسّن أدلة إرشادية محدثة وأمثلة برمجية أسهل في المتابعة لمجموعة متنوعة من حالات الاستخدام وعمليات النشر. بالإضافة إلى ذلك، تم تحديث هذا الإصدار الجديد لـ <a href="https://milvus.io/blog/milvus2.0-redefining-vector-database.md">Milvus 2.0،</a> وهو إصدار معاد تصوره من قاعدة البيانات المتجهة الأكثر تقدمًا في العالم.</p>
<h3 id="Stress-test-your-system-against-1M-and-100M-dataset-benchmarks" class="common-anchor-header">اختبار الضغط على النظام الخاص بك مقابل معايير مجموعة بيانات 1 مليون و100 مليون</h3><p>يحتوي <a href="https://github.com/milvus-io/bootcamp/tree/master/benchmark_test">الدليل المعياري</a> على مليون و100 مليون اختبار معياري للمتجهات التي تشير إلى كيفية تفاعل نظامك مع مجموعات البيانات ذات الأحجام المختلفة.</p>
<p><br/></p>
<h3 id="Explore-and-build-popular-vector-similarity-search-solutions" class="common-anchor-header">استكشاف وإنشاء حلول بحث تشابه المتجهات الشائعة</h3><p>يتضمن <a href="https://github.com/milvus-io/bootcamp/tree/master/solutions">دليل الحلول</a> حالات استخدام بحث التشابه المتجه الأكثر شيوعًا. وتحتوي كل حالة استخدام على حل دفتري وحل قابل للنشر على قاعدة بيانات. تتضمن حالات الاستخدام:</p>
<ul>
<li><a href="https://github.com/milvus-io/bootcamp/tree/master/solutions/reverse_image_search">بحث تشابه الصور</a></li>
<li><a href="https://github.com/milvus-io/bootcamp/tree/master/solutions/video_similarity_search">بحث تشابه الفيديو</a></li>
<li><a href="https://github.com/milvus-io/bootcamp/tree/master/solutions/audio_similarity_search">بحث تشابه الصوت</a></li>
<li><a href="https://github.com/milvus-io/bootcamp/tree/master/solutions/recommendation_system">نظام التوصيات</a></li>
<li><a href="https://github.com/milvus-io/bootcamp/tree/master/solutions/molecular_similarity_search">البحث الجزيئي</a></li>
<li><a href="https://github.com/milvus-io/bootcamp/tree/master/solutions/question_answering_system">نظام الإجابة عن الأسئلة</a></li>
</ul>
<p><br/></p>
<h3 id="Quickly-deploy-a-fully-built-application-on-any-system" class="common-anchor-header">نشر تطبيق كامل البناء بسرعة على أي نظام</h3><p>حلول النشر السريع عبارة عن حلول مرساة تتيح للمستخدمين نشر تطبيقات مبنية بالكامل على أي نظام. هذه الحلول مثالية للعروض التوضيحية الموجزة، ولكنها تتطلب عملاً إضافياً لتخصيصها وفهمها مقارنةً بالدفاتر الدفترية.</p>
<p><br/></p>
<h3 id="Use-scenario-specific-notebooks-to-easily-deploy-pre-configured-applications" class="common-anchor-header">استخدم دفاتر الملاحظات الخاصة بسيناريو محدد لنشر التطبيقات المهيأة مسبقاً بسهولة</h3><p>تحتوي دفاتر الملاحظات على مثال بسيط لنشر Milvus لحل المشكلة في حالة استخدام معينة. يمكن تشغيل كل مثال من الأمثلة من البداية إلى النهاية دون الحاجة إلى إدارة الملفات أو التكوينات. كما أن كل دفتر ملاحظات سهل المتابعة وقابل للتعديل، مما يجعلها ملفات أساسية مثالية لمشاريع أخرى.</p>
<p><br/></p>
<h3 id="Image-similarity-search-notebook-example" class="common-anchor-header">مثال دفتر بحث تشابه الصور</h3><p>يعد البحث عن تشابه الصور أحد الأفكار الأساسية وراء العديد من التقنيات المختلفة، بما في ذلك السيارات ذاتية القيادة التي تتعرف على الأجسام. يشرح هذا المثال كيفية بناء برامج الرؤية الحاسوبية بسهولة باستخدام ميلفوس.</p>
<p>يدور هذا الدفتر حول ثلاثة أشياء:</p>
<ul>
<li>خادم ميلفوس</li>
<li>خادم ريديس (لتخزين البيانات الوصفية)</li>
<li>نموذج Resnet-18 المدرب مسبقًا.</li>
</ul>
<h4 id="Step-1-Download-required-packages" class="common-anchor-header">الخطوة 1: تنزيل الحزم المطلوبة</h4><p>ابدأ بتنزيل جميع الحزم المطلوبة لهذا المشروع. يتضمن هذا الدفتر جدولاً يسرد الحزم التي يجب استخدامها.</p>
<pre><code translate="no">pip install -r requirements.txt
<button class="copy-code-btn"></button></code></pre>
<h4 id="Step-2-Server-startup" class="common-anchor-header">الخطوة 2: بدء تشغيل الخادم</h4><p>بعد تثبيت الحزم، ابدأ تشغيل الخوادم وتأكد من تشغيل كلاهما بشكل صحيح. تأكد من اتباع التعليمات الصحيحة لبدء تشغيل خادمي <a href="https://milvus.io/docs/v2.0.x/install_standalone-docker.md">ميلفوس</a> <a href="https://hub.docker.com/_/redis">وريديس</a>.</p>
<h4 id="Step-3-Download-project-data" class="common-anchor-header">الخطوة 3: تنزيل بيانات المشروع</h4><p>يسحب هذا الدفتر افتراضيًا مقتطفًا من بيانات VOCImage لاستخدامه كمثال، ولكن يجب أن يعمل أي دليل يحتوي على صور طالما أنه يتبع بنية الملف التي يمكن رؤيتها في أعلى الدفتر.</p>
<pre><code translate="no">! gdown <span class="hljs-string">&quot;https://drive.google.com/u/1/uc?id=1jdudBiUu41kL-U5lhH3ari_WBRXyedWo&amp;export=download&quot;</span>
! tar -xf <span class="hljs-string">&#x27;VOCdevkit.zip&#x27;</span>
! <span class="hljs-built_in">rm</span> <span class="hljs-string">&#x27;VOCdevkit.zip&#x27;</span>
<button class="copy-code-btn"></button></code></pre>
<h4 id="Step-4-Connect-to-the-servers" class="common-anchor-header">الخطوة 4: الاتصال بالخوادم</h4><p>في هذا المثال، تعمل الخوادم على المنافذ الافتراضية على المضيف المحلي.</p>
<pre><code translate="no">connections.<span class="hljs-title function_">connect</span>(host=<span class="hljs-string">&quot;127.0.0.1&quot;</span>, port=<span class="hljs-number">19537</span>)
red = redis.<span class="hljs-title class_">Redis</span>(host = <span class="hljs-string">&#x27;127.0.0.1&#x27;</span>, port=<span class="hljs-number">6379</span>, db=<span class="hljs-number">0</span>)
<button class="copy-code-btn"></button></code></pre>
<h4 id="Step-5-Create-a-collection" class="common-anchor-header">الخطوة 5: إنشاء مجموعة</h4><p>بعد بدء تشغيل الخوادم، قم بإنشاء مجموعة في ميلفوس لتخزين جميع المتجهات. في هذا المثال، تم تعيين حجم البُعد على 512، وهو حجم مخرجات ريسنت 18، وتم تعيين مقياس التشابه على المسافة الإقليدية (L2). يدعم ميلفوس مجموعة متنوعة من <a href="https://milvus.io/docs/v2.0.x/metric.md">مقاييس التشابه</a> المختلفة.</p>
<pre><code translate="no">collection_name = <span class="hljs-string">&quot;image_similarity_search&quot;</span>
dim = <span class="hljs-number">512</span>
default_fields = [
    schema.FieldSchema(name=<span class="hljs-string">&quot;id&quot;</span>, dtype=DataType.INT64, is_primary=<span class="hljs-literal">True</span>, auto_id=<span class="hljs-literal">True</span>),
    schema.FieldSchema(name=<span class="hljs-string">&quot;vector&quot;</span>, dtype=DataType.FLOAT_VECTOR, dim=dim)
]
default_schema = schema.CollectionSchema(fields=default_fields, description=<span class="hljs-string">&quot;Image test collection&quot;</span>)
collection = Collection(name=collection_name, schema=default_schema)
<button class="copy-code-btn"></button></code></pre>
<h4 id="Step-6-Build-an-index-for-the-collection" class="common-anchor-header">الخطوة 6: إنشاء فهرس للمجموعة</h4><p>بمجرد إنشاء المجموعة، قم ببناء فهرس لها. في هذه الحالة، يتم استخدام فهرس IVF_SQ8. يتطلب هذا الفهرس معلمة "nlist"، والتي تخبر ميلفوس بعدد المجموعات التي يجب إنشاؤها داخل كل ملف بيانات (مقطع). تتطلب <a href="https://milvus.io/docs/v2.0.x/index.md">المؤشرات</a> المختلفة معلمات مختلفة.</p>
<pre><code translate="no">default_index = {<span class="hljs-string">&quot;index_type&quot;</span>: <span class="hljs-string">&quot;IVF_SQ8&quot;</span>, <span class="hljs-string">&quot;params&quot;</span>: {<span class="hljs-string">&quot;nlist&quot;</span>: <span class="hljs-number">2048</span>}, <span class="hljs-string">&quot;metric_type&quot;</span>: <span class="hljs-string">&quot;L2&quot;</span>}
collection.<span class="hljs-title function_">create_index</span>(field_name=<span class="hljs-string">&quot;vector&quot;</span>, index_params=default_index)
collection.<span class="hljs-title function_">load</span>()
<button class="copy-code-btn"></button></code></pre>
<h4 id="Step-7-Set-up-model-and-data-loader" class="common-anchor-header">الخطوة 7: إعداد النموذج ومُحمّل البيانات</h4><p>بعد بناء فهرس IVF_SQ8، قم بإعداد الشبكة العصبية ومُحمّل البيانات. الشبكة العصبية pytorch resnet-18 المُستخدمة في هذا المثال خالية من الطبقة الأخيرة التي تضغط المتجهات للتصنيف وقد تفقد معلومات قيّمة.</p>
<pre><code translate="no">model = torch.hub.load(<span class="hljs-string">&#x27;pytorch/vision:v0.9.0&#x27;</span>, <span class="hljs-string">&#x27;resnet18&#x27;</span>, pretrained=<span class="hljs-literal">True</span>)
encoder = torch.nn.Sequential(*(<span class="hljs-built_in">list</span>(model.children())[:-<span class="hljs-number">1</span>]))
<button class="copy-code-btn"></button></code></pre>
<p>يجب تعديل مجموعة البيانات ومُحمّل البيانات بحيث تكون قادرة على معالجة الصور مسبقًا وتجميعها مع توفير مسارات ملفات الصور. يمكن القيام بذلك باستخدام أداة تحميل بيانات torchvision المعدلة قليلاً. من أجل المعالجة المسبقة، يجب اقتصاص الصور وتطبيعها نظرًا لأن نموذج resnet-18 يتم تدريبه على حجم ونطاق قيم محددين.</p>
<pre><code translate="no">dataset = ImageFolderWithPaths(data_dir, transform=transforms.Compose([
                                                transforms.Resize(256),
                                                transforms.CenterCrop(224),
                                                transforms.ToTensor(),
                                                transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])]))

dataloader = torch.utils.data.DataLoader(dataset, num_workers=0, batch_si
<button class="copy-code-btn"></button></code></pre>
<h4 id="Step-8-Insert-vectors-into-the-collection" class="common-anchor-header">الخطوة 8: إدراج المتجهات في المجموعة</h4><p>بعد إعداد المجموعة، يمكن معالجة الصور وتحميلها في المجموعة التي تم إنشاؤها. يتم أولاً سحب الصور بواسطة أداة تحميل البيانات وتشغيلها من خلال نموذج resnet-18. ثم يتم إدراج تضمينات المتجهات الناتجة في Milvus، والتي تُرجع معرّفًا فريدًا لكل متجه. يتم بعد ذلك إدراج معرّفات المتجهات ومسارات ملفات الصور كأزواج قيمة مفتاح في خادم ريديس.</p>
<pre><code translate="no">steps = <span class="hljs-built_in">len</span>(dataloader)
step = <span class="hljs-number">0</span>
<span class="hljs-keyword">for</span> inputs, labels, paths <span class="hljs-keyword">in</span> dataloader:
    <span class="hljs-keyword">with</span> torch.no_grad():
        output = encoder(inputs).squeeze()
        output = output.numpy()

    mr = collection.insert([output.tolist()])
    ids = mr.primary_keys
    <span class="hljs-keyword">for</span> x <span class="hljs-keyword">in</span> <span class="hljs-built_in">range</span>(<span class="hljs-built_in">len</span>(ids)):
        red.<span class="hljs-built_in">set</span>(<span class="hljs-built_in">str</span>(ids[x]), paths[x])
    <span class="hljs-keyword">if</span> step%<span class="hljs-number">5</span> == <span class="hljs-number">0</span>:
        <span class="hljs-built_in">print</span>(<span class="hljs-string">&quot;Insert Step: &quot;</span> + <span class="hljs-built_in">str</span>(step) + <span class="hljs-string">&quot;/&quot;</span> + <span class="hljs-built_in">str</span>(steps))
    step += <span class="hljs-number">1</span>
<button class="copy-code-btn"></button></code></pre>
<h4 id="Step-9-Conduct-a-vector-similarity-search" class="common-anchor-header">الخطوة 9: إجراء بحث عن تشابه المتجهات</h4><p>بمجرد إدراج جميع البيانات في Milvus وRedis، يمكن إجراء بحث تشابه المتجهات الفعلي. في هذا المثال، يتم سحب ثلاث صور تم اختيارها عشوائيًا من خادم Redis لإجراء بحث تشابه المتجهات.</p>
<pre><code translate="no">random_ids = [<span class="hljs-built_in">int</span>(red.randomkey()) <span class="hljs-keyword">for</span> x <span class="hljs-keyword">in</span> <span class="hljs-built_in">range</span>(<span class="hljs-number">3</span>)]
search_images = [x.decode(<span class="hljs-string">&quot;utf-8&quot;</span>) <span class="hljs-keyword">for</span> x <span class="hljs-keyword">in</span> red.mget(random_ids)]
<button class="copy-code-btn"></button></code></pre>
<p>تمر هذه الصور أولاً بنفس المعالجة المسبقة التي تم العثور عليها في الخطوة 7 ثم يتم دفعها من خلال نموذج resnet-18.</p>
<pre><code translate="no">transform_ops = transforms.Compose([
                transforms.Resize(<span class="hljs-number">256</span>),
                transforms.CenterCrop(<span class="hljs-number">224</span>),
                transforms.ToTensor(),
                transforms.Normalize(mean=[<span class="hljs-number">0.485</span>, <span class="hljs-number">0.456</span>, <span class="hljs-number">0.406</span>], std=[<span class="hljs-number">0.229</span>, <span class="hljs-number">0.224</span>, <span class="hljs-number">0.225</span>])])

embeddings = [transform_ops(Image.<span class="hljs-built_in">open</span>(x)) <span class="hljs-keyword">for</span> x <span class="hljs-keyword">in</span> search_images]
embeddings = torch.stack(embeddings, dim=<span class="hljs-number">0</span>)

<span class="hljs-keyword">with</span> torch.no_grad():
    embeddings = encoder(embeddings).squeeze().numpy()
<button class="copy-code-btn"></button></code></pre>
<p>ثم يتم استخدام التضمينات المتجهة الناتجة لإجراء بحث. أولاً، قم بتعيين معلمات البحث، بما في ذلك اسم المجموعة المراد البحث فيها، و nprobe (عدد المجموعات المراد البحث فيها)، و top_k (عدد المتجهات التي تم إرجاعها). في هذا المثال، يجب أن يكون البحث سريعًا جدًا.</p>
<pre><code translate="no">search_params = {<span class="hljs-string">&quot;metric_type&quot;</span>: <span class="hljs-string">&quot;L2&quot;</span>, <span class="hljs-string">&quot;params&quot;</span>: {<span class="hljs-string">&quot;nprobe&quot;</span>: 32}}
start = time.time()
results = collection.search(embeddings, <span class="hljs-string">&quot;vector&quot;</span>, param=search_params, <span class="hljs-built_in">limit</span>=3, <span class="hljs-built_in">expr</span>=None)
end = time.time() - start
<button class="copy-code-btn"></button></code></pre>
<h4 id="Step-10-Image-search-results" class="common-anchor-header">الخطوة 10: نتائج البحث عن الصور</h4><p>يتم استخدام معرّفات المتجهات التي تم إرجاعها من الاستعلامات للعثور على الصور المقابلة. ثم يتم استخدام Matplotlib لعرض نتائج البحث عن الصور.<br/></p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/pic1_c8652c7fae.png" alt="pic1.png" class="doc-image" id="pic1.png" />
   </span> <span class="img-wrapper"> <span>pic1.png</span> </span> <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/pic2_355b054161.png" alt="pic2.png" class="doc-image" id="pic2.png" /><span>pic2.png</span> </span> <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/pic3_01780c6aac.png" alt="pic3.png" class="doc-image" id="pic3.png" /><span>pic3.png</span> </span></p>
<p><br/></p>
<h3 id="Learn-how-to-deploy-Milvus-in-different-enviroments" class="common-anchor-header">تعلم كيفية نشر ميلفوس في بيئات مختلفة</h3><p>يحتوي <a href="https://github.com/milvus-io/bootcamp/tree/master/deployments">قسم عمليات النشر</a> في معسكر التمهيد الجديد على جميع المعلومات الخاصة باستخدام ميلفوس في بيئات وإعدادات مختلفة. ويتضمن نشر ميشاردز، واستخدام Kubernetes مع ميلفوس، وموازنة التحميل، والمزيد. تحتوي كل بيئة على دليل مفصل خطوة بخطوة يشرح كيفية تشغيل ميلفوس فيها.</p>
<p><br/></p>
<h3 id="Dont-be-a-stranger" class="common-anchor-header">لا تكن غريباً</h3><ul>
<li>اقرأ <a href="https://zilliz.com/blog">مدونتنا</a></li>
<li>تفاعل مع مجتمعنا مفتوح المصدر على <a href="https://join.slack.com/t/milvusio/shared_invite/zt-e0u4qu3k-bI2GDNys3ZqX1YCJ9OM~GQ">Slack</a>.</li>
<li>استخدم أو ساهم في Milvus، قاعدة البيانات المتجهة الأكثر شعبية في العالم، على <a href="https://github.com/milvus-io/milvus">Github</a>.</li>
</ul>


اختبار حلول البحث المتجه ونشرها بسرعة باستخدام برنامج Milvus 2.0 Bootcamp

<custom-h1>إنشاء تطبيق لتخطيط الملابس والأزياء مع ميلفوس</custom-h1><p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/stylepedia_1_5f239a8d48.png" alt="stylepedia-1.png" class="doc-image" id="stylepedia-1.png" />
   </span> <span class="img-wrapper"> <span>stylepedia-1.png</span> </span></p>
<p>تأسست <a href="http://www.mozat.com/home">شركة Mozat</a> في عام 2003، وهي شركة ناشئة يقع مقرها الرئيسي في سنغافورة ولها مكاتب في الصين والمملكة العربية السعودية. تتخصص الشركة في بناء تطبيقات التواصل الاجتماعي والتواصل وأسلوب الحياة. <a href="https://stylepedia.com/">ستايلبيديا</a> هو تطبيق لخزانة الملابس صممته شركة Mozat يساعد المستخدمين على اكتشاف أنماط جديدة والتواصل مع أشخاص آخرين شغوفين بالموضة. وتشمل ميزاته الرئيسية القدرة على تنظيم خزانة ملابس رقمية، وتوصيات أسلوب مخصصة، ووظائف وسائل التواصل الاجتماعي، وأداة بحث عن الصور للعثور على عناصر مشابهة لشيء شوهد على الإنترنت أو في الحياة الواقعية.</p>
<p>يُستخدم<a href="https://milvus.io">ميلفوس</a> لتشغيل نظام البحث عن الصور داخل ستايلبيديا. يتعامل التطبيق مع ثلاثة أنواع من الصور: صور المستخدم، وصور المنتجات، وصور الأزياء. يمكن أن تتضمن كل صورة عنصر واحد أو أكثر، مما يزيد من تعقيد كل استعلام. ولكي يكون مفيدًا، يجب أن يكون نظام البحث عن الصور دقيقًا وسريعًا ومستقرًا، وهي ميزات تضع أساسًا تقنيًا متينًا لإضافة وظائف جديدة للتطبيق مثل اقتراحات الملابس وتوصيات محتوى الموضة.</p>
<h2 id="System-overview" class="common-anchor-header">نظرة عامة على النظام<button data-href="#System-overview" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/stylepedia_system_process_8e7e2ab3e4.png" alt="stylepedia-system-process.png" class="doc-image" id="stylepedia-system-process.png" />
   </span> <span class="img-wrapper"> <span>stylepedia-ystem-process.png</span> </span></p>
<p>ينقسم نظام البحث عن الصور إلى مكونات غير متصلة بالإنترنت وأخرى متصلة بالإنترنت.</p>
<p>في وضع عدم الاتصال بالإنترنت، يتم تحويل الصور إلى متجهات وإدراجها في قاعدة بيانات متجهة (Milvus). في سير عمل البيانات، يتم تحويل صور المنتجات وصور الأزياء ذات الصلة إلى متجهات سمات ذات 512 بُعدًا باستخدام نماذج اكتشاف الكائنات واستخراج السمات. ثم تتم فهرسة بيانات المتجهات وإضافتها إلى قاعدة بيانات المتجهات.</p>
<p>يتم الاستعلام عن قاعدة بيانات الصور عبر الإنترنت ويتم إرجاع الصور المتشابهة إلى المستخدم. على غرار المكوّن غير المتصل بالإنترنت، تتم معالجة صورة الاستعلام عن طريق نماذج اكتشاف الكائنات واستخراج السمات للحصول على متجه السمة. باستخدام متجه الميزة، يبحث برنامج Milvus عن متجهات TopK المتشابهة ويحصل على معرّفات الصور المقابلة لها. أخيرًا، بعد المعالجة اللاحقة (التصفية والفرز وما إلى ذلك)، يتم إرجاع مجموعة من الصور المشابهة لصورة الاستعلام.</p>
<h2 id="Implementation" class="common-anchor-header">التنفيذ<button data-href="#Implementation" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>ينقسم التنفيذ إلى أربع وحدات:</p>
<ol>
<li>الكشف عن الملابس</li>
<li>استخراج الميزات</li>
<li>البحث عن تشابه المتجهات</li>
<li>المعالجة اللاحقة</li>
</ol>
<h3 id="Garment-detection" class="common-anchor-header">الكشف عن الملابس</h3><p>في وحدة الكشف عن الملابس، يُستخدم <a href="https://pytorch.org/hub/ultralytics_yolov5/">YOLOv5،</a> وهو إطار عمل للكشف عن الأهداف على مرحلة واحدة وقائم على المرساة، كنموذج للكشف عن الأجسام لصغر حجمه واستدلاله في الوقت الحقيقي. يقدم أربعة أحجام للنموذج (YOLOv5s/m/l/x)، ولكل حجم محدد إيجابيات وسلبيات. ستعمل النماذج الأكبر حجماً بشكل أفضل (دقة أعلى) ولكنها تتطلب قوة حوسبة أكبر بكثير وتعمل بشكل أبطأ. نظرًا لأن العناصر في هذه الحالة هي عناصر كبيرة نسبيًا ويسهل اكتشافها، فإن النموذج الأصغر، YOLOv5s، يكفي.</p>
<p>يتم التعرّف على عناصر الملابس في كل صورة واقتصاصها لتكون بمثابة مدخلات نموذج استخراج الميزة المستخدمة في المعالجة اللاحقة. في الوقت نفسه، يتنبأ نموذج اكتشاف العناصر أيضًا بتصنيف الملابس وفقًا لفئات محددة مسبقًا (القمصان والملابس الخارجية والسراويل والتنانير والفساتين والسراويل القصيرة).</p>
<h3 id="Feature-extraction" class="common-anchor-header">استخراج الميزات</h3><p>مفتاح البحث عن التشابه هو نموذج استخراج الميزات. يتم تضمين صور الملابس التي تم اقتصاصها في متجهات ذات نقاط عائمة ذات 512 بُعداً تمثل سماتها بتنسيق بيانات رقمية قابلة للقراءة آلياً. تم اعتماد منهجية التعلّم <a href="https://github.com/Joon-Park92/Survey_of_Deep_Metric_Learning">المتري العميق (DML)</a> مع <a href="https://arxiv.org/abs/1905.11946">EfficientNet</a> كنموذج العمود الفقري.</p>
<p>يهدف التعلّم المتري إلى تدريب وحدة استخراج السمات غير الخطية المستندة إلى شبكة CNN (أو وحدة تشفير) لتقليل المسافة بين متجهات السمات المقابلة لنفس فئة العينات، وزيادة المسافة بين متجهات السمات المقابلة لفئات مختلفة من العينات. في هذا السيناريو، تشير فئة العينات نفسها إلى نفس فئة العينات.</p>
<p>تأخذ EfficientNet في الاعتبار كلاً من السرعة والدقة عند قياس عرض الشبكة وعمقها ودقتها بشكل موحد. تُستخدم شبكة EfficientNet-B4 كشبكة لاستخراج الميزات، ومخرجات الطبقة المتصلة بالكامل في نهاية المطاف هي ميزات الصورة اللازمة لإجراء بحث تشابه المتجهات.</p>
<h3 id="Vector-similarity-search" class="common-anchor-header">بحث التشابه المتجه</h3><p>Milvus عبارة عن قاعدة بيانات متجهات مفتوحة المصدر تدعم عمليات الإنشاء والقراءة والتحديث والحذف (CRUD) بالإضافة إلى البحث في الوقت الفعلي تقريبًا على مجموعات بيانات بحجم تريليون بايت. في Stylepedia، يتم استخدامه للبحث عن التشابه المتجه على نطاق واسع لأنه مرن للغاية ومستقر وموثوق وسريع للغاية. يوسع Milvus قدرات مكتبات الفهرس المتجه المستخدمة على نطاق واسع (Faiss وNMSLIB وAnnoy وغيرها)، ويوفر مجموعة من واجهات برمجة التطبيقات البسيطة والبديهية التي تسمح للمستخدمين بتحديد نوع الفهرس المثالي لسيناريو معين.</p>
<p>وبالنظر إلى متطلبات السيناريو وحجم البيانات، استخدم مطورو Stylepedia توزيع وحدة المعالجة المركزية فقط من Milvus المقترن بفهرس HNSW. تم إنشاء مجموعتين مفهرستين، إحداهما للمنتجات والأخرى لصور الأزياء، لتشغيل وظائف التطبيق المختلفة. تنقسم كل مجموعة إلى ستة أقسام بناءً على نتائج الكشف والتصنيف لتضييق نطاق البحث. يقوم برنامج Milvus بإجراء البحث على عشرات الملايين من المتجهات في أجزاء من الثانية، مما يوفر الأداء الأمثل مع الحفاظ على انخفاض تكاليف التطوير وتقليل استهلاك الموارد.</p>
<h3 id="Post-processing" class="common-anchor-header">المعالجة اللاحقة</h3><p>لتحسين التشابه بين نتائج استرجاع الصور وصورة الاستعلام، نستخدم تصفية الألوان وتصفية العلامات الرئيسية (طول الأكمام، وطول الملابس، ونمط الياقة، وما إلى ذلك) لتصفية الصور غير المؤهلة. وبالإضافة إلى ذلك، يتم استخدام خوارزمية تقييم جودة الصورة للتأكد من تقديم صور ذات جودة أعلى للمستخدمين أولاً.</p>
<h2 id="Application" class="common-anchor-header">التطبيق<button data-href="#Application" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><h3 id="User-uploads-and-image-search" class="common-anchor-header">تحميل المستخدم والبحث عن الصور</h3><p>يمكن للمستخدمين التقاط صور لملابسهم الخاصة وتحميلها على خزانة ستايلبيديا الرقمية، ثم استرجاع صور المنتجات الأكثر تشابهاً مع الصور التي قاموا بتحميلها.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/stylepedia_search_results_0568e20dc0.png" alt="stylepedia-search-results.png" class="doc-image" id="stylepedia-search-results.png" />
   </span> <span class="img-wrapper"> <span>stylepedia-search-results.png</span> </span></p>
<h3 id="Outfit-suggestions" class="common-anchor-header">اقتراحات الملابس</h3><p>من خلال إجراء بحث عن التشابه على قاعدة بيانات ستايلبيديا يمكن للمستخدمين العثور على صور الأزياء التي تحتوي على قطعة أزياء معينة. قد تكون هذه الملابس الجديدة التي يفكر شخص ما في شرائها، أو شيء من مجموعته الخاصة يمكن ارتداؤه أو تنسيقه بشكل مختلف. ومن ثم، من خلال تجميع العناصر التي غالباً ما يتم إقرانها معها، يتم إنشاء اقتراحات للأزياء. على سبيل المثال، يمكن أن تتناسب سترة سوداء لراكبي الدراجات النارية مع مجموعة متنوعة من العناصر، مثل بنطلون جينز أسود ضيق. يمكن للمستخدمين بعد ذلك تصفح صور الأزياء ذات الصلة حيث يحدث هذا التطابق في الصيغة المحددة.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/stylepedia_jacket_outfit_e84914da9e.png" alt="stylepedia-jacket-outfit.png" class="doc-image" id="stylepedia-jacket-outfit.png" />
   </span> <span class="img-wrapper"> <span>stylepedia-jacket-jacket-outfit.png</span> </span></p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/stylepedia_jacket_snapshot_25f53cc09b.png" alt="stylepedia-jacket-snapshot.png" class="doc-image" id="stylepedia-jacket-snapshot.png" />
   </span> <span class="img-wrapper"> <span>stylepedia-jacket-snapshot.png</span> </span></p>
<h3 id="Fashion-photograph-recommendations" class="common-anchor-header">توصيات صور الأزياء</h3><p>استناداً إلى سجل تصفح المستخدم وإعجاباته ومحتويات خزانة ملابسه الرقمية، يقوم النظام بحساب التشابه ويقدم توصيات صور أزياء مخصصة قد تكون ذات أهمية.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/stylepedia_user_wardrobe_6770c856b9.png" alt="stylepedia-user-wardrobe.png" class="doc-image" id="stylepedia-user-wardrobe.png" />
   </span> <span class="img-wrapper"> <span>stylepedia-user-user-wardrobe.png</span> </span></p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/stylepedia_streetsnap_rec_901601a34d.png" alt="stylepedia-streetsnap-rec.png" class="doc-image" id="stylepedia-streetsnap-rec.png" />
   </span> <span class="img-wrapper"> <span>stylepedia-streetsnap-rec.png</span> </span></p>
<p>من خلال الجمع بين منهجيات التعلم العميق ومنهجيات الرؤية الحاسوبية، تمكنت موزات من بناء نظام بحث سريع ومستقر ودقيق عن تشابه الصور باستخدام ميلفوس لتشغيل ميزات مختلفة في تطبيق Stylepedia.</p>
<h2 id="Dont-be-a-stranger" class="common-anchor-header">لا تكن غريباً<button data-href="#Dont-be-a-stranger" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><ul>
<li>ابحث أو ساهم في Milvus على <a href="https://github.com/milvus-io/milvus/">GitHub</a>.</li>
<li>تفاعل مع المجتمع عبر <a href="https://join.slack.com/t/milvusio/shared_invite/zt-e0u4qu3k-bI2GDNys3ZqX1YCJ9OM~GQ">Slack</a>.</li>
<li>تواصل معنا على <a href="https://twitter.com/milvusio">تويتر</a>.</li>
</ul>


نظرة عامة على النظام

<custom-h1>بناء مجموعة ميلفوس العنقودية القائمة على JuiceFS</custom-h1><p>التعاون بين المجتمعات مفتوحة المصدر شيء سحري. لا يقتصر الأمر على المتطوعين المتحمسين والأذكياء والمبدعين الذين يحافظون على ابتكار الحلول مفتوحة المصدر فحسب، بل يعملون أيضًا على الجمع بين الأدوات المختلفة معًا بطرق مثيرة للاهتمام ومفيدة. <a href="https://milvus.io/">ميلفوس،</a> قاعدة البيانات المتجهة الأكثر شعبية في العالم، و <a href="https://github.com/juicedata/juicefs">JuiceFS،</a> وهو نظام ملفات مشترك مصمم للبيئات السحابية الأصلية، اتحدا بهذه الروح من قبل مجتمعاتهما مفتوحة المصدر. تشرح هذه المقالة ما هو نظام JuiceFS، وكيفية بناء مجموعة Milvus استنادًا إلى تخزين الملفات المشتركة JuiceFS، والأداء الذي يمكن للمستخدمين توقعه باستخدام هذا الحل.</p>
<h2 id="What-is-JuiceFS" class="common-anchor-header"><strong>ما هو JuiceFS؟</strong><button data-href="#What-is-JuiceFS" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>JuiceFS هو نظام ملفات POSIX موزع مفتوح المصدر عالي الأداء ومفتوح المصدر، والذي يمكن بناؤه على رأس ريديس و S3. وقد تم تصميمه للبيئات السحابية الأصلية ويدعم إدارة البيانات من أي نوع وتحليلها وأرشفتها ونسخها احتياطيًا. يُستخدم JuiceFS بشكل شائع لحل تحديات البيانات الضخمة، وبناء تطبيقات الذكاء الاصطناعي (AI)، وجمع السجلات. يدعم النظام أيضًا مشاركة البيانات عبر عدة عملاء ويمكن استخدامه مباشرةً كتخزين مشترك في Milvus.</p>
<p>بعد استمرار البيانات والبيانات الوصفية المقابلة لها في تخزين الكائنات <a href="https://redis.io/">وRedis</a> على التوالي، يعمل نظام JuiceFS كبرنامج وسيط عديم الحالة. تتحقق مشاركة البيانات من خلال تمكين التطبيقات المختلفة من الالتحام مع بعضها البعض بسلاسة من خلال واجهة نظام ملفات قياسية. يعتمد JuiceFS على Redis، وهو مخزن بيانات مفتوح المصدر في الذاكرة، لتخزين البيانات الوصفية. يتم استخدام Redis لأنه يضمن الذرية ويوفر عمليات بيانات وصفية عالية الأداء. يتم تخزين جميع البيانات في تخزين الكائنات من خلال عميل JuiceFS. مخطط البنية على النحو التالي:</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/juicefs_architecture_2023b37a4e.png" alt="juicefs-architecture.png" class="doc-image" id="juicefs-architecture.png" />
   </span> <span class="img-wrapper"> <span>JuiceFS-architecture.png</span> </span></p>
<h2 id="Build-a-Milvus-cluster-based-on-JuiceFS" class="common-anchor-header"><strong>بناء مجموعة Milvus على أساس JuiceFS</strong><button data-href="#Build-a-Milvus-cluster-based-on-JuiceFS" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>تعمل مجموعة Milvus المبنية باستخدام JuiceFS (انظر مخطط البنية أدناه) عن طريق تقسيم الطلبات الأولية باستخدام Mishards، وهي برمجية وسيطة لتجزئة المجموعة، لتوزيع الطلبات إلى وحداتها الفرعية. عند إدراج البيانات، تقوم Mishards بتخصيص طلبات المنبع إلى عقدة الكتابة في Milvus، والتي تخزن البيانات المدرجة حديثًا في JuiceFS. عند قراءة البيانات، يقوم Mishards بتحميل البيانات من JuiceFS من خلال عقدة قراءة Milvus إلى الذاكرة للمعالجة، ثم يجمع النتائج ويعيدها من الخدمات الفرعية في المنبع.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/milvus_cluster_built_with_juicefs_3a43cd262c.png" alt="milvus-cluster-built-with-juicefs.png" class="doc-image" id="milvus-cluster-built-with-juicefs.png" />
   </span> <span class="img-wrapper"> <span>milvus-cluster-built-built-with-juicefs.png</span> </span></p>
<h3 id="Step-1-Launch-MySQL-service" class="common-anchor-header"><strong>الخطوة 1: تشغيل خدمة MySQL</strong></h3><p>قم بتشغيل خدمة MySQL على <strong>أي</strong> عقدة في المجموعة. لمزيد من التفاصيل، راجع <a href="https://milvus.io/docs/v1.1.0/data_manage.md">إدارة البيانات الوصفية مع MySQL</a>.</p>
<h3 id="Step-2-Create-a-JuiceFS-file-system" class="common-anchor-header"><strong>الخطوة 2: إنشاء نظام ملفات JuiceFS</strong></h3><p>لأغراض العرض التوضيحي، يتم استخدام برنامج JuiceFS الثنائي الذي تم تجميعه مسبقًا. قم بتحميل <a href="https://github.com/juicedata/juicefs/releases">حزمة التثبيت</a> الصحيحة لنظامك واتبع <a href="https://github.com/juicedata/juicefs-quickstart">دليل البدء السريع</a> لبرنامج JuiceFS للحصول على تعليمات التثبيت التفصيلية. لإنشاء نظام ملفات JuiceFS، قم أولاً بإعداد قاعدة بيانات Redis لتخزين البيانات الوصفية. يوصى في عمليات النشر السحابية العامة باستضافة خدمة Redis على نفس السحابة التي يستضيفها التطبيق. بالإضافة إلى ذلك، قم بإعداد تخزين الكائنات ل JuiceFS. في هذا المثال، يتم استخدام Azure Blob Storage؛ ومع ذلك، يدعم JuiceFS جميع خدمات الكائنات تقريبًا. حدد خدمة تخزين الكائنات التي تناسب متطلبات السيناريو الخاص بك.</p>
<p>بعد تهيئة خدمة Redis وتخزين الكائنات، قم بتهيئة نظام ملفات جديد وقم بتحميل JuiceFS إلى الدليل المحلي:</p>
<pre><code translate="no">1 $  <span class="hljs-built_in">export</span> AZURE_STORAGE_CONNECTION_STRING=<span class="hljs-string">&quot;DefaultEndpointsProtocol=https;AccountName=XXX;AccountKey=XXX;EndpointSuffix=core.windows.net&quot;</span>
2 $ ./juicefs format \
3     --storage wasb \
4     --bucket https://&lt;container&gt; \
5     ... \
6     localhost <span class="hljs-built_in">test</span> <span class="hljs-comment">#format</span>
7 $ ./juicefs mount -d localhost ~/jfs  <span class="hljs-comment">#mount</span>
8
<button class="copy-code-btn"></button></code></pre>
<blockquote>
<p>إذا كان خادم Redis لا يعمل محلياً، استبدل المضيف المحلي بالعنوان التالي: <code translate="no">redis://&lt;user:password&gt;@host:6379/1</code>.</p>
</blockquote>
<p>عند نجاح التثبيت، يُرجع JuiceFS صفحة التخزين المشتركة <strong>/root/jfs</strong>.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/installation_success_9d05279ecd.png" alt="installation-success.png" class="doc-image" id="installation-success.png" />
   </span> <span class="img-wrapper"> <span>installation-success.png</span> </span></p>
<h3 id="Step-3-Start-Milvus" class="common-anchor-header"><strong>الخطوة 3: بدء تشغيل ميلفوس</strong></h3><p>يجب أن تكون جميع العُقد في المجموعة مثبتة على Milvus، ويجب تكوين كل عقدة Milvus بإذن قراءة أو كتابة. يمكن تهيئة عقدة Milvus واحدة فقط كعقدة كتابة، ويجب أن تكون البقية عقد قراءة. أولاً، قم بتعيين معلمات القسمين <code translate="no">cluster</code> و <code translate="no">general</code> في ملف تكوين نظام Milvus <strong>server_config.yaml</strong>:</p>
<p><strong>القسم</strong> <code translate="no">cluster</code></p>
<table>
<thead>
<tr><th style="text-align:left"><strong>المعلمة</strong></th><th style="text-align:left"><strong>الوصف</strong></th><th style="text-align:left"><strong>التكوين</strong></th></tr>
</thead>
<tbody>
<tr><td style="text-align:left"><code translate="no">enable</code></td><td style="text-align:left">ما إذا كان سيتم تمكين وضع المجموعة</td><td style="text-align:left"><code translate="no">true</code></td></tr>
<tr><td style="text-align:left"><code translate="no">role</code></td><td style="text-align:left">دور نشر ميلفوس</td><td style="text-align:left"><code translate="no">rw</code>/<code translate="no">ro</code></td></tr>
</tbody>
</table>
<p><strong>القسم</strong> <code translate="no">general</code></p>
<pre><code translate="no"><span class="hljs-comment"># meta_uri is the URI for metadata storage, using MySQL (for Milvus Cluster). Format: mysql://&lt;username:password&gt;@host:port/database</span>
general:
  timezone: UTC+8
  meta_uri: mysql://root:milvusroot@host:3306/milvus
<button class="copy-code-btn"></button></code></pre>
<p>أثناء التثبيت، يتم تعيين مسار التخزين المشترك لـ JuiceFS الذي تم تكوينه على أنه <strong>/root/jfs/milvus/db</strong>.</p>
<pre><code translate="no">1 <span class="hljs-built_in">sudo</span> docker run -d --name milvus_gpu_1.0.0 --gpus all \
2 -p 19530:19530 \
3 -p 19121:19121 \
4 -v /root/jfs/milvus/db:/var/lib/milvus/db \  <span class="hljs-comment">#/root/jfs/milvus/db is the shared storage path</span>
5 -v /home/<span class="hljs-variable">$USER</span>/milvus/conf:/var/lib/milvus/conf \
6 -v /home/<span class="hljs-variable">$USER</span>/milvus/logs:/var/lib/milvus/logs \
7 -v /home/<span class="hljs-variable">$USER</span>/milvus/wal:/var/lib/milvus/wal \
8 milvusdb/milvus:1.0.0-gpu-d030521-1ea92e
9
<button class="copy-code-btn"></button></code></pre>
<p>بعد اكتمال التثبيت، ابدأ تشغيل Milvus وتأكد من تشغيله بشكل صحيح. أخيرًا، ابدأ تشغيل خدمة Mishards على <strong>أي</strong> من العقد في الكتلة. تُظهر الصورة أدناه تشغيل Mishards بنجاح. لمزيد من المعلومات، راجع البرنامج <a href="https://github.com/milvus-io/bootcamp/tree/new-bootcamp/deployments/juicefs">التعليمي</a> GitHub.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/mishards_launch_success_921695d3a8.png" alt="mishards-launch-success.png" class="doc-image" id="mishards-launch-success.png" />
   </span> <span class="img-wrapper"> <span>mishards-launch-success.png</span> </span></p>
<h2 id="Performance-benchmarks" class="common-anchor-header"><strong>معايير الأداء</strong><button data-href="#Performance-benchmarks" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>عادةً ما يتم تنفيذ حلول التخزين المشتركة بواسطة أنظمة التخزين المتصلة بالشبكة (NAS). تشمل أنواع أنظمة NAS الشائعة الاستخدام نظام ملفات الشبكة (NFS) وكتلة رسائل الخادم (SMB). وتوفر المنصات السحابية العامة بشكل عام خدمات تخزين مُدارة متوافقة مع هذه البروتوكولات، مثل نظام الملفات المرن (EFS) من أمازون.</p>
<p>على عكس أنظمة NAS التقليدية، يتم تنفيذ JuiceFS استنادًا إلى نظام الملفات في فضاء المستخدمين (FUSE)، حيث تتم جميع عمليات قراءة البيانات وكتابتها مباشرةً من جانب التطبيق، مما يقلل من زمن الوصول. هناك أيضًا ميزات فريدة في JuiceFS لا يمكن العثور عليها في أنظمة NAS الأخرى، مثل ضغط البيانات والتخزين المؤقت.</p>
<p>يكشف الاختبار المعياري أن نظام JuiceFS يقدم مزايا كبيرة مقارنةً بنظام EFS. في معيار البيانات الوصفية (الشكل 1)، يشهد نظام JuiceFS عمليات إدخال/إخراج في الثانية (IOPS) أعلى بعشر مرات من نظام EFS. بالإضافة إلى ذلك، يُظهر معيار إنتاجية الإدخال/الإخراج (الشكل 2) تفوق أداء JuiceFS على EFS في كل من سيناريوهات العمل الفردي والمتعدد.</p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/performance_benchmark_1_b7fcbb4439.png" alt="performance-benchmark-1.png" class="doc-image" id="performance-benchmark-1.png" />
   </span> <span class="img-wrapper"> <span>الأداء-معيار الأداء-1.png</span> </span></p>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/performance_benchmark_2_e311098123.png" alt="performance-benchmark-2.png" class="doc-image" id="performance-benchmark-2.png" />
   </span> <span class="img-wrapper"> <span>الأداء-معيار الأداء-2.png</span> </span></p>
<p>بالإضافة إلى ذلك، يُظهر الاختبار المعياري أن وقت استرجاع الاستعلام الأول، أو الوقت اللازم لتحميل البيانات المدرجة حديثًا من القرص إلى الذاكرة، بالنسبة لمجموعة Milvus المستندة إلى JuiceFS هو 0.032 ثانية فقط في المتوسط، مما يشير إلى أن البيانات يتم تحميلها من القرص إلى الذاكرة بشكل فوري تقريبًا. بالنسبة لهذا الاختبار، تم قياس وقت استرجاع الاستعلام الأول باستخدام مليون صف من البيانات المتجهة ذات 128 بُعدًا تم إدراجها على دفعات من 100 ألف على فترات تتراوح من 1 إلى 8 ثوانٍ.</p>
<p>إن JuiceFS هو نظام تخزين ملفات مشترك مستقر وموثوق به، وتوفر مجموعة Milvus المبنية على JuiceFS أداءً عاليًا وسعة تخزين مرنة.</p>
<h2 id="Learn-more-about-Milvus" class="common-anchor-header"><strong>اعرف المزيد عن ميلفوس</strong><button data-href="#Learn-more-about-Milvus" class="anchor-icon" translate="no">
      <svg translate="no"
        aria-hidden="true"
        focusable="false"
        height="20"
        version="1.1"
        viewBox="0 0 16 16"
        width="16"
      >
        <path
          fill="#0092E4"
          fill-rule="evenodd"
          d="M4 9h1v1H4c-1.5 0-3-1.69-3-3.5S2.55 3 4 3h4c1.45 0 3 1.69 3 3.5 0 1.41-.91 2.72-2 3.25V8.59c.58-.45 1-1.27 1-2.09C10 5.22 8.98 4 8 4H4c-.98 0-2 1.22-2 2.5S3 9 4 9zm9-3h-1v1h1c1 0 2 1.22 2 2.5S13.98 12 13 12H9c-.98 0-2-1.22-2-2.5 0-.83.42-1.64 1-2.09V6.25c-1.09.53-2 1.84-2 3.25C6 11.31 7.55 13 9 13h4c1.45 0 3-1.69 3-3.5S14.5 6 13 6z"
        ></path>
      </svg>
    </button></h2><p>Milvus هو أداة قوية قادرة على تشغيل مجموعة واسعة من تطبيقات الذكاء الاصطناعي وتطبيقات البحث عن التشابه المتجه. لمعرفة المزيد عن المشروع، اطلع على الموارد التالية:</p>
<ul>
<li>اقرأ <a href="https://zilliz.com/blog">مدونتنا</a>.</li>
<li>تفاعل مع مجتمعنا مفتوح المصدر على <a href="https://join.slack.com/t/milvusio/shared_invite/zt-e0u4qu3k-bI2GDNys3ZqX1YCJ9OM~GQ">Slack</a>.</li>
<li>استخدم أو ساهم في قاعدة بيانات المتجهات الأكثر شعبية في العالم على <a href="https://github.com/milvus-io/milvus/">GitHub</a>.</li>
<li>اختبر تطبيقات الذكاء الاصطناعي وانشرها بسرعة من خلال <a href="https://github.com/milvus-io/bootcamp">معسكرنا التدريبي</a> الجديد.</li>
</ul>
<p>
  
   <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/writer_bio_changjian_gao_68018f7716.png" alt="writer bio-changjian gao.png" class="doc-image" id="writer-bio-changjian-gao.png" />
   </span> <span class="img-wrapper"> <span>السيرة الذاتية</span> </span> <span class="img-wrapper"> <span>للكاتب-تشانغجيان</span> </span> <span class="img-wrapper"> <span>جاو.png</span> </span> <span class="img-wrapper"> <img translate="no" src="https://assets.zilliz.com/writer_bio_jingjing_jia_a85d1c2e3b.png" alt="writer bio-jingjing jia.png" class="doc-image" id="writer-bio-jingjing-jia.png" /><span>السيرة الذاتية للكاتب-جينغجينغ جيا.png</span> </span></p>


لقد بنيت بحثًا عميقًا باستخدام المصادر المفتوحة - ويمكنك ذلك أيضًا!