SpringBoot教程(十八) | SpringBoot集成Milvus（全网最全）
Milvus是一款向量数据库，主要用于在大模型领域做向量查询的相关操作。milvus在之前的版本中其实是存在一些弊端的，尤其是在一些类似于mysql的查询方面，有一些缺点，这里简单唠叨几句。首先milvus不支持多个向量字段，其次milvus的模糊匹配只支持前缀匹配，再次milvus不支持排序。不过
开源向量数据库性能对比: Milvus, Chroma, Qdrant
01.前言为应对公司在大规模文本、图像等非结构化数据处理上的业务增长需求，笔者着手调研当前流行的开源向量数据库。主要针对查询速度、并发度和召回率这几大核心维度进行深入分析，以确保选定的数据库方案能够在实际业务场景中高效应对大规模数据检索和高并发需求。通过全面对比不同数据库的表现，得出可靠的调研结论。
开源模型应用落地-业务优化篇（八）
每个知识点可能都理解，但是能整合一起并赋能在实际项目中，还是有很多困难。通过多种技术整合，为降本增效赋能，让公司对你眼前一亮。本篇学习Redis+Milvus+定时任务整成。
RAG与LLM原理及实践（14）---- Python + MinIO + Kafka进阶
之后，kafka 会告诉你一个用于连接meta data 的 ip 与 port，其实就是告诉你，你想和我通信要数据，我已经把ip port 发给你了，你后面就用它和我联系吧。理论上是可行的，但是很不幸，因为可能没有做地址映射，虽然在同一网络中，我实践的结果还是不行。因为我没有使用 coker ho
Milvus向量数据库备份方案
向量数据库集群只有一个，如果集群出问题将影响整个业务，所以需要对向量数据库中的数据做定时备份现有两个milvus集群，方案如下通过对milvus集群的了解发现其数据的存储是集群中的minio组件，所以做的整个数据备份及恢复是基于minio来做的。
Milvus 性能优化
Milvus 的性能优化涉及索引选择、搜索参数调优和硬件优化。正确选择索引类型、合理调整搜索参数以及选择合适的硬件配置，可以显著提升 Milvus 的搜索性能。在实际应用中，需要根据数据集的特点和搜索需求，进行综合考虑和调整。
第8篇：Milvus性能优化技巧：索引优化与查询优化
通过这篇博客，我们详细介绍了Milvus的性能优化技巧，包括索引优化和查询优化。我们讨论了如何根据不同的应用场景（小规模、中等规模、大规模数据集）和向量维度（低维、中等维度、高维）调整索引和查询参数，并提供了具体的调优建议和代码示例。优化Milvus性能的核心理念在于根据具体的需求和应用场景，找到查
Linux上使用Docker安装单机版Milvus向量数据库并配置访问控制和可视化面板Attu
Milvus是一款开源的向量数据库，它专为AI应用设计，用于管理和检索海量的特征向量。Milvus的优势主要包括：高效的向量检索性能：Milvus采用了多种先进的索引算法，如IVF, HNSW, ANNOY等，能够在大规模数据集上实现高效的近似最近邻搜索。易于扩展和维护：Milvus支持水平和垂直扩
开源向量数据库比较：Chroma, Milvus, Faiss,Weaviate
向量数据库是一种将数据存储为高维向量的数据库，高维向量是特征或属性的数学表示。每个向量都有一定数量的维度，根据数据的复杂性和粒度，可以从数十到数千不等。向量通常是通过对原始数据(如文本、图像、音频、视频等)应用某种转换或嵌入函数来生成的。嵌入函数可以基于各种方法，如机器学习模型、词嵌入和特征提取算法
Linux之milvus向量数据库安装
Milvus是一个开源的向量相似度搜索引擎，主要用于大规模向量数据的存储和查询。它支持多种向量类型，包括稠密向量、稀疏向量、二进制向量等，并提供了多种相似度度量方法，如欧氏距离、余弦相似度、Jaccard相似度等。Milvus支持分布式部署，可以在多台服务器上搭建分布式搜索集群，支持高并发查询和批量
Docker Compose安装milvus向量数据库单机版-milvus基本操作
下面演示如何使用PyMilvus库连接到Milvus数据库，创建数据表，插入数据，创建索引，进行搜索、查询、分页查询，以及删除数据表等操作。“params”: 这是一个包含搜索参数的字典，包括 “nprobe” 参数，它指定了搜索时的候选集数量，这里设置为10。“params”: 这是一个包含索引参
AI实践与学习1_NLP文本特征提取以及Milvus向量数据库实践
随着NLP预训练模型（大模型）以及多模态研究领域的发展，向量数据库被使用的越来越多。在XOP亿级题库业务背景下，对于试题召回搜索单单靠着ES集群已经出现性能瓶颈，因此需要预研其他技术方案提高试题搜索召回率。现一个方案就是使用Bert等模型提取试题题干特征，然后存储到向量数据库，检索试题先走向量数据库
基于Milvus和BERT搭建AI智能问答系统（基础概念与架构）
基于Milvus和BERT搭建AI智能问答系统（基础概念与架构）
为AI而生的数据库：Milvus详解及实战
概述Milvus 是一款云原生向量数据库，它具备高可用、高性能、易拓展的特点，用于海量向量数据的实时召回。MilvusMilvus 基于FAISS、Annoy、HNSW 等向量搜索库构建，核心是解决稠密向量相似度检索的问题。在向量检索库的基础上，Milvus 支持数据分区分片、数据持久化、增量数据摄
使用docker搭建Milvus向量数据库
Milvus创建于2019年，目标单一：存储、索引和管理由深度神经网络和其他机器学习（ML）模型生成的大量嵌入向量。作为一个专门用于处理输入向量查询的数据库，它能够对万亿规模的向量进行索引。与现有的关系数据库不同，Milvus主要按照预定义的模式处理结构化数据，它是自下而上设计的，用于处理从非结构化
