Milvus：通过Docker安装Milvus向量数据库（一）
一、探索向量数据库
在当今 AI 技术迅猛发展的时代，向量数据库作为 AI 领域的关键基础设施，正逐渐崭露头角，成为众多开发者和企业关注的焦点。从智能语音助手到图像识别系统，从个性化推荐引擎到语义搜索引擎，向量数据库的身影无处不在，为各种 AI 应用提供了强大的数据支持和高效的检索能力。
向量数据库，简单来说，是一种专门用于存储和管理向量数据的数据库。与传统的关系型数据库不同，向量数据库更加注重数据的向量表示和相似性搜索，能够快速准确地找到与目标向量最相似的向量集合。这种特性使得向量数据库在处理高维数据、非结构化数据时具有天然的优势，成为 AI 时代数据处理和分析的理想选择。
在众多向量数据库中，Milvus 以其卓越的性能、丰富的功能和强大的社区支持脱颖而出，成为了开发者们的首选之一。接下来，一起深入了解 Milvus 向量数据库，探索它的魅力所在。
Milvus官网：
https://milvus.io/zh
二、Milvus 特点
（一）是什么
（二）核心特点
- 高性能：Milvus 采用了独特的数据结构和算法，实现了高效的向量运算和查询。它能够在万亿级向量数据集上进行高效的向量相似度搜索，平均延迟可以控制在毫秒级，能够满足实时性要求较高的应用场景。
- 高可用、高可靠：支持在云上扩展，具备强大的容灾能力，能够保证服务高可用，确保数据的安全性和稳定性，为企业级应用提供可靠保障。
- 易拓展：支持分布式部署，采用共享存储架构，存储计算完全分离，计算节点支持横向扩展。能够轻松应对数据量的快速增长，通过增加节点，可以线性地提升系统的处理能力和存储容量 。
- 支持混合查询：不仅支持向量相似度检索，还支持在检索过程中进行标量字段过滤，实现混合查询。这使得用户可以根据多种条件对向量数据进行筛选和查询，满足复杂的业务需求。
- 开发者友好：支持多语言、多工具的 Milvus 生态系统，提供 Python、Golang、Java 等丰富的客户端，用户通过 API 或 SDK 接口即可快速操作数据库。同时，它还拥有活跃的开源社区，用户在使用过程中遇到问题，可以通过 GitHub 的 Issues 功能提出，获得及时的帮助和反馈。
（三）应用场景
- 图像搜索：在电商平台中，用户可以通过上传图片来搜索相似商品。通过将商品图片转换为向量并存储在 Milvus 中，当用户上传图片时，通过向量检索可以快速找到相似商品。此外，在安防监控领域，也可以利用 Milvus 对监控视频中的图像进行搜索，快速定位特定目标。
- 自然语言处理：在语义搜索、问答系统、文本分类等任务中发挥重要作用。通过将文本转换为词向量或句子向量，Milvus 可以实现高效的语义相似度计算。例如，在智能客服系统中，用户的问题可以通过语义检索快速匹配到相关回答，提高客服效率和用户满意度。
- 推荐系统：根据用户的行为数据，如浏览记录、购买记录等，将用户和物品的特征表示为向量。Milvus 可以帮助快速检索出与用户兴趣相似的物品，从而实现精准推荐，提升用户体验和平台的转化率。
- 医疗影像分析：医生可以将医学图像（如 X 光、CT、MRI 等）的特征向量化后存储在 Milvus 中。通过向量检索，能够快速找到相似病例，辅助医生进行疾病诊断和治疗方案的制定。
- 金融风控：金融机构可以利用 Milvus 对用户的交易行为数据进行向量化处理，通过实时监测和分析向量数据，快速检测到异常交易，及时采取风险防控措施，保障金融交易的安全。
三、Milvus 安装
（一）安装前准备
在安装 Milvus 之前，需要确保系统满足一定的条件。首先，操作系统方面，Milvus 支持多种 Linux 发行版，如 Ubuntu、CentOS 等，建议使用较新版本以获取更好的兼容性和性能。
其次，硬件资源上，推荐使用具有足够 CPU、内存和 SSD 存储的机器。对于大规模数据集，高性能的硬件将显著提升搜索性能，例如，至少配备 2 核 CPU、8GB 内存，磁盘空间至少 10GB 且建议使用 SSD。
如果选择使用 Docker 安装 Milvus（这是一种推荐的安装方式，方便快捷且易于管理），需要提前安装好 Docker Engine。此外，若要使用 Docker Compose 来管理和编排 Docker 容器（这在部署 Milvus 时很常用） ，也需要确保系统已安装 Docker Compose。同时，要保证系统可以访问 Milvus 的 Docker Hub 仓库，以便顺利拉取镜像。
（二）下载docker-compose配置文件
地址：https://github.com/milvus-io/milvus/releases/
下载最新版本的docker-compose配置文件。
（三）docker安装并启动 Milvus
docker-compose -f milvus-standalone-docker-compose.yml up -d
（四）安装 Milvus 可视化工具 Attu
Attu是Milvus的一个高效的开源管理工具。
下载地址：
https://github.com/zilliztech/attu/releases
安装完成后启动Attu，其中Milvus地址填写127.0.0.1:19530，数据库输入default。
四、通过 Python 操作 Milvus
在 Milvus 向量数据库的实际应用中，Python 是最常用的开发语言之一。Milvus 官方提供的pymilvus库（在新版中推荐使用MilvusClient客户端）封装了丰富的 API，支持从连接服务器到数据管理、索引创建、搜索查询等全流程操作。本节将结合 Milvus 的核心概念（如 Collection、Schema、分区、别名等），提供完整的 Python 操作指南，包含详细文字说明与可直接运行的代码示例。
（一）环境准备：安装依赖库
在使用 Python 操作 Milvus 前，需先安装官方客户端库。Milvus 2.x 版本推荐使用pymilvus库，若需更简洁的接口体验，可使用新版MilvusClient（已集成到pymilvus中）。
1. 安装 pymilvus 库
使用pip命令即可完成安装，默认安装最新稳定版：
# 基础安装（默认最新版）
pip install pymilvus# 若网络较慢，使用国内镜像源（如清华大学）加速
pip install pymilvus -i https://pypi.tuna.tsinghua.edu.cn/simple# 若需指定版本（需与Milvus服text务器版本兼容，如Milvus 2.6.x对应pymilvus 2.6.x）
pip install pymilvus==2.6.42. 版本兼容性说明
- Milvus 服务器与pymilvus库的主版本号必须一致（如 Milvus 2.6.4 需搭配pymilvus>=2.6.0），否则可能出现接口不兼容问题。
- 若安装失败（如提示缺少 C++ 编译工具）：
- Windows 系统：安装Microsoft Visual C++ Build Tools。
- Linux 系统：执行sudo apt-get install gcc g++（Ubuntu）或sudo yum install gcc gcc-c++（CentOS）安装编译工具。
（二）连接 Milvus 服务器
1. 基础连接（本地单机版）
from pymilvus import MilvusClient# 创建客户端实例，连接本地Milvus服务器
client = MilvusClient(uri="http://localhost:19530", # Milvus服务地址（格式：http://IP:端口）db_name="default" # 数据库名称（默认使用default库，可自定义）
)
# 验证连接是否成功（查看当前数据库下的所有Collection）
print("当前数据库下的Collection列表：", client.list_collections())2. 带认证的连接（分布式集群版）
若 Milvus 集群启用了用户名密码认证（如生产环境），需在连接时传入token参数（格式：用户名:密码）：
client = MilvusClient(uri="http://milvus-cluster-ip:19530", # 集群地址token="root:Milvus123" # 示例：用户名为root，密码为Milvus123
)3. 连接参数说明
| 参数 | 说明 | 默认值 |
| uri | Milvus 服务地址，单机版为http://localhost:19530，集群版为负载均衡地址 | 无（必填） |
| token | 认证令牌，格式为用户名:密码，仅当 Milvus 启用认证时需传入 | None |
| db_name | 要连接的数据库名称，若数据库不存在，可先通过create_database()创建 | "default"- |