Milvus架构
Milvus采用包括Faiss、Annoy、HNSW等流行向量搜索库,旨在对包含数百万、数十亿甚至数万亿向量的密集向量数据集进行相似度搜索。在继续之前,请熟悉嵌入式检索的基本原则(basic principles)。
Milvus还支持数据分片(data sharding)、数据持久性(data persistence)、流式数据摄入、向量和标量之间的混合搜索、时间旅行等许多其他高级功能。该平台可按需提供性能并可优化以适应任何嵌入式检索场景。我们建议使用Kubernetes部署Milvus以获得最佳可用性和弹性。
Milvus采用共享存储架构,对其计算节点实现了存储和计算分离以及水平可扩展性。 遵循数据平面和控制平面分离原则,Milvus包括四个层(four layers):访问层(access layer)、协调服务(coordinator service)、工作节点(worker node)和存储。这些层在进行扩展或灾难恢复时是相互独立的。
Milvus架构图。
接下来:
- 详细了解Milvus中的计算/存储分离(Computing/Storage Disaggregation)。
- 了解Milvus中的主要组件(Main Components)。