🚀 Experimente o Zilliz Cloud, o Milvus totalmente gerenciado, gratuitamente—experimente um desempenho 10x mais rápido! Experimente Agora>>

milvus-logo
LFAI
  • Home
  • Blog
  • Um guia rápido para a avaliação comparativa do Milvus 2.1

Um guia rápido para a avaliação comparativa do Milvus 2.1

  • Engineering
August 16, 2022
Yanliang Qiao

Cover Cobertura

Recentemente, actualizámos o relatório de benchmark do Milvus 2.1. Testes com um conjunto de dados de 1 milhão de vectores provaram que o QPS pode ser dramaticamente aumentado através da fusão de consultas small-nq.

Aqui estão alguns scripts simples para que possa reproduzir facilmente os testes.

Procedimentos

  1. Implementar um Milvus autónomo ou em cluster. Neste caso, o endereço IP do servidor Milvus é 10.100.31.105.

  2. Implantar um cliente. Neste caso, usamos o Ubuntu 18.04 e o Python 3.8.13 para a implantação. Execute o seguinte código para instalar o PyMilvus 2.1.1.

pip install pymilvus==2.1.1
  1. Descarregue e copie os seguintes ficheiros para o mesmo diretório de trabalho que o cliente. Neste caso, o diretório de trabalho é /go_ben.

    Nota:

    • benchmark e benchmark-mac são arquivos executáveis desenvolvidos e compilados usando o Go SDK 2.1.1. Eles são usados apenas para realizar uma pesquisa simultânea.

    • Para utilizadores do Ubuntu, transfira benchmark; para utilizadores do macOS, transfira benchmark-mac.

    • São necessárias permissões de executável para aceder a benchmark ou benchmark-mac.

    • Os utilizadores de Mac precisam de confiar no ficheiro benchmark-mac configurando Segurança e Privacidade nas Preferências do Sistema.

    • As configurações da pesquisa simultânea podem ser encontradas e modificadas no código-fonte go_benchmark.py.

  1. Crie uma coleção e insira dados vectoriais.
root@milvus-pytest:/go_ben# python collection_prepare.py 10.100.31.105 
  1. Abra /tmp/collection_prepare.log para verificar o resultado da execução.
...
08/11/2022 17:33:34 PM - INFO - Build index costs 263.626
08/11/2022 17:33:54 PM - INFO - Collection prepared completed
  1. Chame benchmark (ou benchmark-mac no macOS) para realizar uma pesquisa simultânea.
root@milvus-pytest:/go_ben# python go_benchmark.py 10.100.31.105 ./benchmark
[write_json_file] Remove file(search_vector_file.json).
[write_json_file] Write json file:search_vector_file.json done.
Params of go_benchmark: ['./benchmark', 'locust', '-u', '10.100.31.105:19530', '-q', 'search_vector_file.json', '-s', '{\n  "collection_name": "random_1m",\n  "partition_names": [],\n  "fieldName": "embedding",\n  "index_type": "HNSW",\n  "metric_type": "L2",\n  "params": {\n    "sp_value": 64,\n    "dim": 128\n  },\n  "limit": 1,\n  "expr": null,\n  "output_fields": [],\n  "timeout": 600\n}', '-p', '10', '-f', 'json', '-t', '60', '-i', '20', '-l', 'go_log_file.log']
[2022-08-11 11:37:39.811][    INFO] - Name      #   reqs      # fails  |       Avg       Min       Max    Median  |     req/s  failures/s (benchmark_run.go:212:sample)
[2022-08-11 11:37:39.811][    INFO] - go search     9665     0(0.00%)  |    20.679     6.499    81.761    12.810  |    483.25        0.00 (benchmark_run.go:213:sample)
[2022-08-11 11:37:59.811][    INFO] - Name      #   reqs      # fails  |       Avg       Min       Max    Median  |     req/s  failures/s (benchmark_run.go:212:sample)
[2022-08-11 11:37:59.811][    INFO] - go search    19448     0(0.00%)  |    20.443     6.549    78.121    13.401  |    489.22        0.00 (benchmark_run.go:213:sample)
[2022-08-11 11:38:19.811][    INFO] - Name      #   reqs      # fails  |       Avg       Min       Max    Median  |     req/s  failures/s (benchmark_run.go:212:sample)
[2022-08-11 11:38:19.811][    INFO] - go search    29170     0(0.00%)  |    20.568     6.398    76.887    12.828  |    486.15        0.00 (benchmark_run.go:213:sample)
[2022-08-11 11:38:19.811][   DEBUG] - go search run finished, parallel: 10(benchmark_run.go:95:benchmark)
[2022-08-11 11:38:19.811][    INFO] - Name      #   reqs      # fails  |       Avg       Min       Max    Median  |     req/s  failures/s (benchmark_run.go:159:samplingLoop)
[2022-08-11 11:38:19.811][    INFO] - go search    29180     0(0.00%)  |    20.560     6.398    81.761    13.014  |    486.25        0.00 (benchmark_run.go:160:samplingLoop)
Result of go_benchmark: {'response': True, 'err_code': 0, 'err_message': ''} 
  1. Abra o ficheiro go_log_file.log no diretório atual para verificar o registo de pesquisa detalhado. Segue-se a informação de pesquisa que pode encontrar no registo de pesquisa.
    • reqs: número de pedidos de pesquisa desde o momento em que a simultaneidade ocorre até ao momento atual (o intervalo de tempo atual)

    • fails: número de pedidos falhados como uma percentagem de reqs no intervalo de tempo atual

    • Avg: tempo médio de resposta do pedido no intervalo de tempo atual (unidade: milissegundos)

    • Min: tempo mínimo de resposta do pedido no intervalo de tempo atual (unidade: milissegundos)

    • Max: tempo máximo de resposta do pedido no intervalo de tempo atual (unidade: milissegundos)

    • Median: tempo mediano de resposta do pedido no intervalo de tempo atual (unidade: milissegundos)

    • req/s: número de pedidos por segundo, ou seja, QPS

    • failures/s: número médio de pedidos falhados por segundo no intervalo de tempo atual

Descarregar scripts e ficheiros executáveis

O que vem a seguir

Com o lançamento oficial do Milvus 2.1, preparámos uma série de blogues que apresentam as novas funcionalidades. Leia mais nesta série de blogues:

Try Managed Milvus for Free

Zilliz Cloud is hassle-free, powered by Milvus and 10x faster.

Get Started

Like the article? Spread the word

Continue Lendo