【向量数据库 pymilvus】Milvus Standalone（单机模式）怎样安装 ...

在龙晰操作系统（CentOS 8）上安装 Milvus Standalone（单机模式）而不使用 Docker，可以按照以下步调举行。以下是一个详细的安装指南：

---

1. 环境准备

在开始安装之前，确保系统满足以下要求：

• 操作系统：CentOS 8（龙晰操作系统基于 CentOS 8）。
  
• 硬件要求：
  
  
  
  • CPU：支持 AVX 指令集（推荐 Intel Haswell 或更高版本）。
    
  • 内存：至少 8 GB（发起 16 GB 或更高）。
    
  • 磁盘：SSD 磁盘，至少 50 GB 可用空间。
    
  
  
• 依赖项：
  
  
  
  • Python 3.8 或更高版本。
    
  • GCC 7 或更高版本。
    
  • CMake 3.18 或更高版本。
    
  
  

---

2. 安装依赖项

2.1 更新系统

1. sudo dnf update -y

复制代码

2.2 安装 GCC 和 CMake

1. sudo dnf install -y gcc gcc-c++ make cmake

复制代码

2.3 安装 Python 3.8

假如系统未安装 Python 3.8，可以通过以下步调安装：

1. sudo dnf install -y python38 python38-devel
2. sudo alternatives --set python3 /usr/bin/python3.8

复制代码

2.4 安装其他依赖项

1. sudo dnf install -y openssl-devel libcurl-devel zlib-devel

复制代码

---

3. 下载 Milvus Standalone

3.1 下载 Milvus 二进制包

从 Milvus 的 GitHub Releases 页面下载最新版本的二进制包：

1. wget https://github.com/milvus-io/milvus/releases/download/v2.3.3/milvus-standalone-linux-amd64.tar.gz

复制代码

3.2 解压二进制包

1. tar -xzf milvus-standalone-linux-amd64.tar.gz
2. cd milvus-standalone-linux-amd64

复制代码

---

4. 设置 Milvus

4.1 修改设置文件

Milvus 的设置文件位于 conf/standalone.yaml。你可以根据必要修改以下参数：

• 存储路径：设置数据存储路径（确保路径有充足的磁盘空间）。
  1. storage:
  2.   path: /path/to/milvus/data

  复制代码
• 缓存大小：根据内存大小调整缓存。
  1. cache:
  2.   cache_size: 4GB

  复制代码

4.2 创建数据存储目次

1. sudo mkdir -p /path/to/milvus/data
2. sudo chown -R $USER:$USER /path/to/milvus/data

复制代码

---

5. 启动 Milvus

5.1 启动 Milvus 服务

在解压后的 Milvus 目次中运行以下下令：

1. ./bin/milvus run

复制代码

5.2 验证服务状态

Milvus 默认监听端口为 19530。你可以通过以下下令查抄服务是否正常运行：

1. curl http://localhost:19530/version

复制代码

假如返回类似以下内容，阐明 Milvus 已乐成启动：

1. {"version":"2.3.3"}

复制代码

---

6. 使用 Milvus

6.1 安装 PyMilvus

Milvus 提供了 Python SDK（PyMilvus），可以通过以下下令安装：

1. pip install pymilvus

复制代码

6.2 毗连 Milvus

在 Python 中毗连 Milvus：

1. from pymilvus import connections
3. connections.connect("default", host="localhost", port="19530")

复制代码

6.3 创建集合和插入数据

以下是一个简朴的示例：

1. from pymilvus import CollectionSchema, FieldSchema, DataType, Collection
3. # 定义集合结构
4. fields = [
5.     FieldSchema(name="id", dtype=DataType.INT64, is_primary=True),
6.     FieldSchema(name="embedding", dtype=DataType.FLOAT_VECTOR, dim=128)
7. ]
8. schema = CollectionSchema(fields, "example_collection")
10. # 创建集合
11. collection = Collection("example_collection", schema)
13. # 插入数据
14. data = [
15.     [1, 2, 3],  # ID
16.     [[0.1, 0.2, ...], [0.3, 0.4, ...], [0.5, 0.6, ...]]  # 向量数据
17. ]
18. collection.insert(data)

复制代码

---

7. 性能优化

7.1 使用 SSD 磁盘

确保 Milvus 的数据存储路径位于 SSD 磁盘上，以提拔 I/O 性能。
7.2 调整缓存大小

根据系统内存大小，得当增加 cache.cache_size 参数，确保缓存充足容纳全部数据。
7.3 预加载索引

在插入数据后，立即创建索引并预加载到内存中：

1. collection.create_index("embedding", {"index_type": "IVF_FLAT", "metric_type": "L2", "params": {"nlist": 128}})
2. collection.load()

复制代码

---

8. 总结

通过以上步调，你可以在龙晰操作系统（CentOS 8）上乐成安装和运行 Milvus Standalone（单机模式）。假如必要进一步优化性能，可以参考 Milvus 的官方文档或社区资源。

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。