0. 介绍

milvus是一个用于存储、index索引和管理巨量由深度学习网络或者其他模型生成embedding vectors的工具。不同于常见的关系型数据库用来处理结构化数据，Milvus被设计用来处理由非结构化数据，如图像、音频等，生成的embedding vectors信息。embedding vector本质指的是float类型的数组，常通过深度学习网络提取非结构化数据的特征得到。其中Milvus最主要的功能是vector similarity search，即向量相似性搜索，常见的评价指标有欧式距离等，平台采用ANN搜索算法来加速搜索过程。

使用Miluvs的常见场景如下：

• 以图搜图
• 人脸检索
• 视频去重

即大部分非结构化数据的一对多搜索，都可以使用Milvus来完成。

1. Milvus安装

Milvus的官方文档中提供了详细的安装过程，具体可以参考官方文档链接。这里主要简述一下安装流程，主要参考如下页面内容。

 Milvus使用Docker Compose工具来启动和停止服务，过程如下：

• 新建一个工作目录，下载YAML文件

wget https://github.com/milvus-io/milvus/releases/download/v2.1.4/milvus-standalone-docker-compose.yml -O docker-compose.yml

• 启动Milvus容器

sudo docker-compose up -d

这个命令开始执行之后会自动下载Milvus对应的镜像文件，需要等待一段时间。 当镜像下载完成后，相应的容器也会启动，可以通过如下命令查看

sudo docker-compose ps

 可以看到除了milvus standalone服务之外还有两个依赖容器。

• 停止Milvus容器

sudo docker-compose down

2. Milvus的工作流程

下面将以常见的以图搜图例子介绍Milvus的具体工作流程， 如下图（图像来自Milvus官方的examples）所示：

 整个流程分为两个阶段：

• 构建图像向量库

 首先需要准备一个图像数据集（库），这个就是我们待检索数据库内容，将非结构化图像数据，通过深度学习算法，常见的就是图像分类算法，Resnet之类的，在图中官方使用towhee深度学习库来提取图像特征，然后会得到每张图像的特征向量，这个特征向量的维度是固定的，可能是1000、2048维之类的，最后将这个特征向量存储到Milvus数据库中。

• 在以构建的向量库中执行搜索

当将所有的图像数据的特征向量都插入到Milvus中之后，此时就可以进行图像检索。检索具体就是输入一张待检索的图像，经过towhee得到图像对应的特征向量，然后将这个目标特征向量与Milvus中所有图像的特征向量进行相似度对比，然后TopK个距离最近的图像结果。

3. Milvus的初步使用

milvus支持不同变成语言接口来访问、操作数据库，具体支持如下图所示：

 3.1 安装PyMilvus库

在本文中，主要讲解如何使用PyMilvus来操作Milvus，首先需要安装该库，命令如下：

pip3 install protobuf==3.20.0
pip3 install grpcio-tools
pip install pymilvus

可以通过下面的命令判断是否安装成功

python3 -c "from pymilvus import Collection"

3.2 下载hello_milvus文件

下面将以官方文档的python例子进行讲解如何使用Milvus，详情可以参考链接。

• 在上述YAML文件的同级目录下，使用docker-compose ps -a命令，确保milvus容器处在开启状态
• 下载hello_milvus.py文件

wget https://raw.githubusercontent.com/milvus-io/pymilvus/v2.1.3/examples/hello_milvus.py

3.3 解析hello_milvus文件内容

导入相关python库

from pymilvus import (
    connections,
    utility,
    FieldSchema,
    CollectionSchema,
    DataType,
    Collection,
)

连接Milvus服务

connections.connect("default", host="localhost", port="19530")

创建collection

Milvus的collection类似MySQL中的tabel，因此以MySQL中的表来类比Milvus的Collectio含义。

fields = [
    FieldSchema(name="pk", dtype=DataType.INT64, is_primary=True, auto_id=False),
    FieldSchema(name="random", dtype=DataType.DOUBLE),
    FieldSchema(name="embeddings", dtype=DataType.FLOAT_VECTOR, dim=8)
]
schema = CollectionSchema(fields, "hello_milvus is the simplest demo to introduce the APIs")
hello_milvus = Collection("hello_milvus", schema)

上面代码是创建一个collection的过程，其中包含3个属性：pk、random和embedding，下图为MySQL的表与Milvus的collection的对比。 

 其中fields指的是包含哪些属性，属性需要指定数据类型，是否为主键之类的，不同之处在于embedding属性，该属性数据结构是数组，数组元素个数为8，在Milvus中用来保存vector embedding内容。

构建数据并插入到collection中

import random
entities = [
    [i for i in range(3000)],  # field pk
    [float(random.randrange(-20, -10)) for _ in range(3000)],  # field random
    [[random.random() for _ in range(8)] for _ in range(3000)],  # field embeddings
]
insert_result = hello_milvus.insert(entities)

为实例创建索引

index = {
    "index_type": "IVF_FLAT",
    "metric_type": "L2",
    "params": {"nlist": 128},
}
hello_milvus.create_index("embeddings", index)

• 向量之间相似度的评价公式

 索引的类型

 使用多少维数据来描述索引

将collection中的数据加载到内存中执行向量相似度检索

hello_milvus.load()
vectors_to_search = entities[-1][-2:]
search_params = {
    "metric_type": "L2",
    "params": {"nprobe": 10},
}
result = hello_milvus.search(vectors_to_search, "embeddings", search_params, limit=3, output_fields=["random"])

 普通搜索

result = hello_milvus.query(expr="random > -14", output_fields=["random", "embeddings"])

复合搜索 

result = hello_milvus.search(vectors_to_search, "embeddings", search_params, limit=3, expr="random > -12", output_fields=["random"])

 删除collection

utility.drop_collection("hello_milvus")

4. 总结

这篇文章主要介绍了Milvus是什么，有什么用，以及使用Milvus来进行非结构化数据检索的工作流程等等，后续将介绍如何运行Milvus提供的以图搜图例子。