Milvus 部署选项概述

Milvus 是一个高性能、可扩展的向量数据库。它支持各种规模的用例，从在 Jupyter 笔记本中本地运行的演示到处理数百亿向量的大规模 Kubernetes 集群。目前，Milvus 有三种部署选项：Milvus Lite、Milvus Standalone 和 Milvus Distributed。

Milvus Lite

Milvus Lite是一个 Python 库，可导入到您的应用程序中。作为 Milvus 的轻量级版本，它非常适合在 Jupyter 笔记本或资源有限的智能设备上运行快速原型。Milvus Lite 支持与其他 Milvus 部署相同的 API。与 Milvus Lite 交互的客户端代码也可以与其他部署模式下的 Milvus 实例协同工作。

要将 Milvus Lite 集成到应用程序中，请运行pip install pymilvus 进行安装，并使用MilvusClient("./demo.db") 语句实例化一个带有本地文件的向量数据库，以持久化所有数据。更多详情，请参阅运行 Milvus Lite。

Milvus Standalone

Milvus Standalone 是单机服务器部署。Milvus Standalone 的所有组件都打包到一个Docker 映像中，因此部署非常方便。如果你有生产工作负载，但不想使用 Kubernetes，那么在内存充足的单机上运行 Milvus Standalone 是一个不错的选择。此外，Milvus Standalone 通过主从复制支持高可用性。

Milvus Distributed

Milvus Distributed 可部署在Kubernetes集群上。这种部署采用云原生架构，摄取负载和搜索查询分别由独立节点处理，允许关键组件冗余。它具有最高的可扩展性和可用性，并能灵活定制每个组件中分配的资源。Milvus Distributed 是在生产中运行大规模向量搜索系统的企业用户的首选。

为您的使用案例选择正确的部署方式

部署模式的选择通常取决于应用程序的开发阶段：

• 用于快速原型开发

  如果您想快速构建原型或用于学习，如检索增强生成（RAG）演示、人工智能聊天机器人、多模态搜索，Milvus Lite 本身或 Milvus Lite 与 Milvus Standalone 的组合都很适合。您可以在笔记本中使用 Milvus Lite 进行快速原型开发，并探索各种方法，例如 RAG 中的不同分块策略。您可能希望在小规模生产中部署用 Milvus Lite 构建的应用程序，为真实用户提供服务，或在更大的数据集（如超过几百万个向量）上验证想法。Milvus Standalone 是合适的选择。Milvus Lite 的应用逻辑仍可共享，因为所有 Milvus 部署都有相同的客户端应用程序接口。Milvus Lite 中存储的数据也可通过命令行工具移植到 Milvus Standalone 中。

• 小规模生产部署

  对于早期阶段的生产，当项目仍在寻求产品与市场的契合，敏捷性比可扩展性更重要时，Milvus Standalone 是最佳选择。如果有足够的机器资源，它仍然可以扩展到 1 亿向量，同时对 DevOps 的要求也比维护 K8s 集群低得多。

• 大规模生产部署

  当你的业务快速增长，数据规模超过单台服务器的容量时，是时候考虑使用 Milvus Distributed 了。你可以继续使用Milvus Standalone作为开发或暂存环境，并运行Milvus Distributed的K8s集群。这可以支持你处理数百亿个向量，还能根据你的特定工作负载（如高读取、低写入或高写入、低读取的情况）灵活调整节点大小。

• 边缘设备上的本地搜索

  对于在边缘设备上通过私人或敏感信息进行搜索，您可以在设备上部署 Milvus Lite，而无需依赖基于云的服务来进行文本或图像搜索。这适用于专有文档搜索或设备上对象检测等情况。

Milvus 部署模式的选择取决于项目的阶段和规模。Milvus 提供灵活而强大的解决方案，可满足从快速原型开发到大规模企业部署的各种需求。

• Milvus Lite建议用于较小的数据集，多达几百万个向量。
• Milvus Standalone适用于中型数据集，可扩展至 1 亿向量。
• Milvus Distributed 专为大规模部署而设计，能够处理从 1 亿到数百亿载体的数据集。

选择适合您使用情况的部署选项

功能比较