Milvus 向量数据库安装指南

Tip

Milvus 是一款云原生的向量数据库，专为万亿级向量检索设计，支持分布式部署和 GPU 加速。

Milvus 简介

Milvus 是 Zilliz 开源的向量数据库，专注于大规模向量相似度检索，广泛应用于推荐系统、图像搜索、RAG 等场景。

版本选择

版本	适用场景	特点
Milvus Lite	开发测试	嵌入式，无需独立服务
Milvus Standalone	小规模生产	Docker 单机部署
Milvus Distributed	大规模生产	K8s 集群，水平扩展

Windows 安装

方式一：Milvus Lite（Python）

# 安装 Milvus Lite
pip install milvus

# 验证安装
python -c "from milvus import default_server; print('Milvus Lite installed')"

方式二：Docker Desktop 部署

# 1. 下载安装脚本
Invoke-WebRequest -Uri "https://github.com/milvus-io/milvus/releases/download/v2.4.1/milvus-standalone-docker-compose.yml" -OutFile "docker-compose.yml"

# 2. 启动 Milvus
docker-compose up -d

# 3. 检查状态
docker-compose ps

方式三：使用 milvusctl（推荐）

# 安装 milvusctl
pip install milvusctl

# 启动 Milvus
milvusctl start

# 查看状态
milvusctl status

# 停止服务
milvusctl stop

Linux 安装

Docker Compose 部署（Standalone）

# 1. 创建工作目录
mkdir -p ~/milvus && cd ~/milvus

# 2. 下载配置文件
wget https://github.com/milvus-io/milvus/releases/download/v2.4.1/milvus-standalone-docker-compose.yml -O docker-compose.yml

# 3. 创建数据目录
mkdir -p volumes/etcd volumes/minio volumes/milvus

# 4. 启动服务
docker-compose up -d

# 5. 查看日志
docker-compose logs -f milvus-standalone

裸机安装

# Ubuntu 20.04/22.04
# 1. 安装依赖
sudo apt-get update
sudo apt-get install -y wget apt-transport-https software-properties-common

# 2. 下载并安装
wget https://github.com/milvus-io/milvus/releases/download/v2.4.1/milvus_2.4.1-1_amd64.deb
sudo dpkg -i milvus_2.4.1-1_amd64.deb

# 3. 启动服务
sudo systemctl start milvus
sudo systemctl enable milvus

Kubernetes 部署（分布式）

# 1. 安装 Helm
curl https://raw.githubusercontent.com/helm/helm/main/scripts/get-helm-3 | bash

# 2. 添加 Milvus Helm 仓库
helm repo add milvus https://zilliztech.github.io/milvus-helm/
helm repo update

# 3. 安装 Milvus（默认单机版）
helm install my-milvus milvus/milvus

# 4. 查看 Pod 状态
kubectl get pods

验证安装

使用 Attu 图形界面

# Docker 启动 Attu（Milvus GUI）
docker run -p 8000:3000 -e MILVUS_URL={milvus server IP}:19530 zilliz/attu:latest

访问 http://localhost:8000 连接 Milvus。

Python SDK 验证

from pymilvus import connections, FieldSchema, CollectionSchema, DataType, Collection

# 连接 Milvus
connections.connect(alias="default", host="localhost", port="19530")

# 定义字段
fields = [
    FieldSchema(name="id", dtype=DataType.INT64, is_primary=True, auto_id=True),
    FieldSchema(name="embedding", dtype=DataType.FLOAT_VECTOR, dim=128),
    FieldSchema(name="text", dtype=DataType.VARCHAR, max_length=512)
]

# 创建集合
schema = CollectionSchema(fields, "Demo collection")
collection = Collection("demo_collection", schema)

# 创建索引
index_params = {
    "metric_type": "L2",
    "index_type": "IVF_FLAT",
    "params": {"nlist": 128}
}
collection.create_index(field_name="embedding", index_params=index_params)

print("Milvus 连接成功！")

配置优化

单机版资源配置

# docker-compose.yml 修改资源限制
services:
  milvus-standalone:
    deploy:
      resources:
        limits:
          cpus: '4'
          memory: 8G
        reservations:
          cpus: '2'
          memory: 4G

启用 GPU 支持

# 使用 GPU 版本的 Milvus
services:
  milvus-standalone:
    image: milvusdb/milvus:v2.4.1-gpu
    runtime: nvidia
    environment:
      - NVIDIA_VISIBLE_DEVICES=all

常用操作

Docker 管理

# 查看 Milvus 容器
docker ps | grep milvus

# 停止服务
docker-compose down

# 完全清理数据（谨慎操作）
docker-compose down -v
rm -rf volumes/

# 查看日志
docker-compose logs milvus-standalone

备份与恢复

# 使用 milvus-backup 工具
docker run -v ~/milvus-backup:/backup zilliz/milvus-backup create

# 恢复
docker run -v ~/milvus-backup:/backup zilliz/milvus-backup restore

常见问题

端口冲突

# 修改 docker-compose.yml 端口映射
ports:
  - "19531:19530"  # 改为 19531
  - "9092:9091"

内存不足

# 调整 Milvus 配置
# milvus.yaml
queryCoord:
  autoHandoff: true
  autoBalance: true
dataCoord:
  segment:
    maxSize: 512  # 减小 segment 大小

连接被拒绝

# 检查防火墙
sudo ufw allow 19530/tcp
sudo ufw allow 9091/tcp

# 检查服务状态
docker-compose ps
docker-compose logs milvus-standalone | tail -50

与 Spring AI 集成

Maven 依赖

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-milvus-store-spring-boot-starter</artifactId>
</dependency>

配置

spring:
  ai:
    vectorstore:
      milvus:
        client:
          host: localhost
          port: 19530
        database-name: default
        collection-name: spring_ai_document
        embedding-dimension: 1536
        index-type: IVF_FLAT
        metric-type: COSINE

性能对比

数据库	十亿级向量	延迟	适用场景
ChromaDB	不支持	低	中小规模，快速原型
Milvus	支持	中	大规模生产环境
Pinecone	支持	低	托管服务，预算充足
Qdrant	支持	低	混合搜索，Rust 生态

总结

Milvus 适合需要处理大规模向量数据的场景，建议：

开发测试：Milvus Lite
小规模生产：Docker Standalone
大规模生产：Kubernetes 分布式

Warning

生产环境部署建议配置监控（Prometheus + Grafana）和定期备份。

参考链接：