GitHub：https://github.com/milvus-io/milvus

Milvus 能夠幫助用戶輕松應對海量非結構化數據（圖片/視頻/語音/文本）檢索。單節點 Milvus 可以在秒內完成十億級的向量搜索，分布式架構亦能滿足用戶的水平擴展需求。

18位貢獻者；3,600次commit；5個release迭代；近一年的深入調研與密集開發；以及無數根頭發，共同見證了Milvus的研發歷程。

我們將 Milvus 全面開源，希望幫助更多的用戶應對非結構數據和AI帶來的機遇與挑戰。

數據智能的挑戰

隨著信息化技術的不斷進步，人們正經歷爆炸式的數據增長。非結構數據（如圖片、視頻、語音和文字）比傳統的結構化數據增長更快，數據量更大。之所以稱其為非結構數據，是因為這些數據無法以傳統方式進行處理與價值挖掘。如何從非結構數據中提取有價值的內容與信息，已經逐漸成為企業進一步挖掘數據價值的關鍵。

非結構數據的向量化

深度學習目前被認為是最有效的非結構數據處理方式之一。非結構數據經過深度學習模型的處理，會被向量化。于是，海量非結構數據的分析處理被轉化為對海量向量的近似搜索。雖然處理圖片，視頻，語音和文字的深度學習模型各不相同，但最終的向量處理需求卻是相同的。因此，向量搜索引擎是AI應用的基石之一。

AI時代非結構數據分析處理平臺

Milvus，開源AI基礎組件

Milvus是一個開源的分布式向量搜索引擎。Milvus不但集成了業界成熟的向量相似度搜索技術，更在此基礎上對高性能計算框架進行了大幅度優化。Milvus為AI應用開發者帶來了如下價值：

高性能

Milvus為海量向量搜索場景而設計。Milvus不但集成了業界成熟的向量搜索技術如Faiss和SPTAG，Milvus也實現了高效的NSG圖索引。同時，Milvus團隊針對Faiss IVF索引進行了深度優化，實現了CPU與多GPU的融合計算，大幅提高了向量搜索性能。Milvus可以在單機環境下完成SIFT1b十億級向量搜索任務。 更多信息請參考 GitHub 文檔：https://github.com/milvus-io/bootcamp/blob/master/docs/milvus101/hardware_platform.md

智能索引

針對不同應用場景，Milvus提供多種向量相似度計算方式和索引類型。Milvus目前支持主流的歐式距離、點積、余弦相似度（未來Milvus會集成更多的相似度計算方式）。同時，Milvus提供適用于n:N查詢的量化索引，適用于1:N查詢的圖索引或樹圖混合索引。

易于開發

Milvus為用戶提供向量數據管理服務，以及集成的應用開發SDK（Java/Python/C++/RESTful API）。相比直接調用Faiss和SPTAG那樣的程序庫，Milvus上的應用開發更便捷，數據管理更簡單。

計算成本可控

Milvus不僅提供傳統的CPU計算方案，通過引入GPU等高算力ASIC，Milvus可以有效降低大規模向量搜索所需的硬件規模，從而降低系統的成本。

應用場景廣泛

Milvus向量搜索引擎可以對接包括圖片識別，視頻處理，聲音識別，自然語言處理等深度學習模型。為向量化后的非結構數據提供搜索分析服務。

Milvus整體架構

Milvus索引類型：

• IVF：Faiss IVF（CPU計算，或GPU計算），Milvus深度優化的IVF（CPU/GPU混合計算）
• Graph：Milvus實現的NSG索引
• Tree & Graph：集成微軟SPTAG
• IVF & Graph：Milvus實現中

歡迎加入Milvus社區

• 主頁：https://milvus.io/
• Github：https://github.com/milvus-io/milvus
• 知乎：https://zhuanlan.zhihu.com/milvus
• Slack：https://milvusio.slack.com
• Twitter：https://twitter.com/milvusio
• Facebook：https://www.facebook.com/io.milvus.5

總結

以上是生活随笔為你收集整理的向量距离计算 java_Milvus 向量搜索引擎开源了！的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。