Milvus 아키텍처 개요

Milvus는 수백만, 수십억, 심지어 수조 개의 벡터가 포함된 고밀도 벡터 데이터 세트에 대한 유사도 검색을 위해 설계된 것으로 Faiss, HNSW, DiskANN, SCANN 등 널리 사용되는 벡터 검색 라이브러리를 기반으로 구축되었습니다. 계속 진행하기 전에 임베딩 검색의 기본 원칙을 숙지하세요.

Milvus는 데이터 샤딩, 스트리밍 데이터 수집, 동적 스키마, 벡터와 스칼라 데이터 결합 검색, 다중 벡터 및 하이브리드 검색, 스파스 벡터 및 기타 여러 고급 기능도 지원합니다. 이 플랫폼은 온디맨드 성능을 제공하며 모든 임베딩 검색 시나리오에 맞게 최적화할 수 있습니다. 최적의 가용성과 탄력성을 위해 Kubernetes를 사용해 Milvus를 배포하는 것이 좋습니다.

Milvus는 컴퓨팅 노드에 스토리지 및 컴퓨팅 분리와 수평적 확장성을 갖춘 공유 스토리지 아키텍처를 채택하고 있습니다. 데이터 플레인과 제어 플레인 분리 원칙에 따라 Milvus는 액세스 레이어, 코디네이터 서비스, 워커 노드, 스토리지의 네 가지 레이어로 구성됩니다. 이러한 계층은 확장 또는 재해 복구와 관련하여 상호 독립적입니다.

아키텍처_도표

그림에 따르면 인터페이스는 다음과 같은 카테고리로 분류할 수 있습니다:

• DDL / DCL: createCollection / createPartition / dropCollection / dropPartition / hasCollection / hasPartition
• DML / Produce: 삽입 / 삭제 / 업서트
• DQL: 검색 / 쿼리

다음 단계

• Milvus의 컴퓨팅/스토리지 세분화에 대해 자세히 알아보기
• Milvus의 주요 구성 요소에 대해 알아보세요.