Milvus 高性能向量搜索引擎已经开源了。GitHub Repo：https://github.com/milvus-io/milvus （或点击阅读原文查看）。git
Milvus 可以帮助用户轻松应对海量非结构化数据（图片/视频/语音/文本）检索。单节点 Milvus 能够在秒内完成十亿级的向量搜索，分布式架构亦能知足用户的水平扩展需求。github
18位贡献者；3,600次commit；5个release迭代；近一年的深刻调研与密集开发；以及无数根头发，共同见证了Milvus的研发历程。微信
一路走来，Milvus 已被10多家科技公司使用，助力互联网娱乐（图片搜索/视频搜索）、新零售（以图搜商品）、智慧金融（用户认证）和智能物流（车辆识别）等领域。架构
咱们将 Milvus 全面开源，但愿帮助更多的用户应对非结构数据和AI带来的机遇与挑战。框架
数据智能的挑战分布式
随着信息化技术的不断进步，人们正经历爆炸式的数据增加。非结构数据（如图片、视频、语音和文字）比传统的结构化数据增加更快，数据量更大。之因此称其为非结构数据，是由于这些数据没法以传统方式进行处理与价值挖掘。如何从非结构数据中提取有价值的内容与信息，已经逐渐成为企业进一步挖掘数据价值的关键。性能
非结构数据的向量化学习
深度学习目前被认为是最有效的非结构数据处理方式之一。非结构数据通过深度学习模型的处理，会被向量化。因而，海量非结构数据的分析处理被转化为对海量向量的近似搜索。虽然处理图片，视频，语音和文字的深度学习模型各不相同，但最终的向量处理需求倒是相同的。所以，向量搜索引擎是AI应用的基石之一。优化
次世代非结构数据分析处理平台ui
Milvus 应运而生！
Milvus，开源AI基础组件
Milvus是一个开源的分布式向量搜索引擎。Milvus不但集成了业界成熟的向量类似度搜索技术，更在此基础上对高性能计算框架进行了大幅度优化。Milvus为AI应用开发者带来了以下价值：
高性能
Milvus为海量向量搜索场景而设计。Milvus不但集成了业界成熟的向量搜索技术如Faiss和SPTAG，Milvus也实现了高效的NSG图索引。同时，Milvus团队针对Faiss IVF索引进行了深度优化，实现了CPU与多GPU的融合计算，大幅提升了向量搜索性能。Milvus能够在单机环境下完成SIFT1b十亿级向量搜索任务。
更多信息请参考 GitHub 文档：https://github.com/milvus-io/bootcamp/blob/master/docs/milvus101/hardware_platform.md
智能索引
针对不一样应用场景，Milvus提供多种向量类似度计算方式和索引类型。Milvus目前支持主流的欧式距离、点积、余弦类似度（将来Milvus会集成更多的类似度计算方式）。同时，Milvus提供适用于n:N查询的量化索引，适用于1:N查询的图索引或树图混合索引。
易于开发
Milvus为用户提供向量数据管理服务，以及集成的应用开发SDK（Java/Python/C++/RESTful API）。相比直接调用Faiss和SPTAG那样的程序库，Milvus上的应用开发更便捷，数据管理更简单。
计算成本可控
Milvus不只提供传统的CPU计算方案，经过引入GPU等高算力ASIC，Milvus能够有效下降大规模向量搜索所需的硬件规模，从而下降系统的成本。
应用场景普遍
Milvus向量搜索引擎能够对接包括图片识别，视频处理，声音识别，天然语言处理等深度学习模型。为向量化后的非结构数据提供搜索分析服务。
Milvus 索引类型
IVF：Faiss IVF（CPU计算，或GPU计算），Milvus深度优化的IVF（CPU/GPU混合计算）
Graph：Milvus实现的NSG索引
Tree & Graph：集成微软SPTAG
IVF & Graph：Milvus实现中
欢迎加入Milvus社区
主页： milvus.io
Github：github.com/milvus-io/milvus
知乎： zhuanlan.zhihu.com/milvus
Slack： milvusio.slack.com
Twitter：twitter.com/milvusio
Facebook：www.facebook.com/io.milvus.5
© 2019 ZILLIZ™
本文分享自微信公众号 - ZILLIZ（Zilliztech）。
若有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一块儿分享。