Base de datos de embeddings de código abierto para aplicaciones de IA, que almacena documentos y vectores para habilitar búsquedas semánticas, híbridas y de texto completo.
29,5 mil2,6 milRustApache-2.0Actualizado ayer
milvus-io/milvus
Milvus es una base de datos vectorial distribuida y de código abierto para almacenar y buscar embeddings a gran escala, utilizada en búsquedas con IA y aplicaciones RAG.
Alternativa open source a:Pinecone
- Estrellas
- 46,453
- Forks
- 4,310
- Issues abiertos
- 1,432
- Último commit
- hace 2 horas
¿Qué es?
Milvus es una base de datos vectorial que almacena embeddings generados a partir de datos no estructurados, como texto, imágenes y contenido multimodal, y realiza búsquedas aproximadas de vecinos más cercanos sobre ellos. Puede almacenar vectores junto con campos escalares, como enteros, cadenas y JSON, y admite filtrado por metadatos, búsquedas por rango y búsquedas híbridas.
El sistema está escrito en Go y C++ y tiene una arquitectura distribuida y nativa de Kubernetes que separa el cómputo del almacenamiento, por lo que los nodos de consulta y de datos se pueden escalar de forma independiente. También ofrece un modo Standalone para una sola máquina y Milvus Lite, una versión ligera que se puede instalar con pip para crear prototipos localmente. Los tipos de índice compatibles incluyen HNSW, IVF, FLAT, SCANN y DiskANN, con indexación opcional en GPU.
El proyecto incluye búsqueda de texto completo con BM25, embeddings dispersos como SPLADE y BGE-M3, aislamiento multiinquilino, RBAC y TLS. Se integra con herramientas como LangChain, LlamaIndex y OpenAI, y el SDK de Python pymilvus ofrece una interfaz MilvusClient. Se distribuye bajo la licencia Apache 2.0 y está alojado bajo la LF AI & Data Foundation.
Funciones clave
- 01Búsqueda vectorial con los tipos de índice HNSW, IVF, FLAT, SCANN y DiskANN
- 02Filtrado por metadatos, búsquedas por rango y búsquedas híbridas con campos escalares
- 03Búsqueda de texto completo con BM25 y embeddings dispersos como SPLADE
- 04Despliegue distribuido y nativo de Kubernetes con nodos que se escalan de forma independiente
- 05Aislamiento multiinquilino con RBAC, autenticación de usuarios y cifrado TLS
- 06Milvus Lite para uso local mediante pip install pymilvus[milvus-lite]
Casos de uso
- Crear pipelines de generación aumentada por recuperación (RAG) sobre documentos privados
- Búsqueda de similitud de imágenes, texto o contenido multimodal en aplicaciones de producción
- Sistemas de recomendación que relacionan usuarios y elementos según la similitud entre embeddings
- Crear prototipos de búsqueda vectorial en local con Milvus Lite antes de desplegar un clúster
Inicio rápido
- 1
Instala el SDK de Python pymilvus
pip install -U pymilvus - 2
Importa MilvusClient desde pymilvus
- 3
Crea un cliente local de Milvus Lite e indica un nombre de archivo para guardar los datos
- 4
Crea una colección con el cliente
Antes de usarlo
- Ejecutar un clúster distribuido de Milvus autogestionado es complejo, ya que requiere muchos microservicios en Kubernetes.
- La opción ligera Milvus Lite está pensada para empezar rápidamente, no para cargas de trabajo a escala de producción.
Temas
Preguntas frecuentes
- ¿Qué es milvus?
- Milvus es una base de datos vectorial distribuida y de código abierto para almacenar y buscar embeddings a gran escala, utilizada en búsquedas con IA y aplicaciones RAG. Milvus es una base de datos vectorial que almacena embeddings generados a partir de datos no estructurados, como texto, imágenes y contenido multimodal, y realiza búsquedas aproximadas de vecinos más cercanos sobre ellos. Puede almacenar vectores junto con campos escalares, como enteros, cadenas y JSON, y admite filtrado por metadatos, búsquedas por rango y búsquedas híbridas.
- ¿milvus es gratuito? ¿Qué licencia tiene?
- milvus es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿milvus sigue mantenido?
- Mantenimiento activo. El último commit de milvus fue el 21 oct 2026.
- ¿Para qué puedo usar milvus?
- Crear pipelines de generación aumentada por recuperación (RAG) sobre documentos privados Búsqueda de similitud de imágenes, texto o contenido multimodal en aplicaciones de producción Sistemas de recomendación que relacionan usuarios y elementos según la similitud entre embeddings Crear prototipos de búsqueda vectorial en local con Milvus Lite antes de desplegar un clúster
- ¿Cómo se instala milvus?
- Instala el SDK de Python pymilvus: pip install -U pymilvus Importa MilvusClient desde pymilvus Crea un cliente local de Milvus Lite e indica un nombre de archivo para guardar los datos Crea una colección con el cliente
- ¿Dónde consigo milvus?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/milvus-io/milvus
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Índice vectorial local y toolkit de RAG que reduce el almacenamiento cerca de un 97 % al recalcular embeddings bajo demanda, para buscar datos personales en tu laptop.
13 mil1,2 milPythonMITActualizado hace 8 horas
Sistema de memoria de IA local-first que almacena el historial de conversaciones íntegro y lo recupera mediante búsqueda semántica, disponible como servidor MCP y CLI.
59,7 mil7,6 milPythonMITActualizado ayer
Servidor RAG sin código que indexa una carpeta de documentos en una de 8 bases de datos vectoriales y mantiene las respuestas sincronizadas cuando cambian los archivos.
58,8 mil1,5 milPythonMITActualizado hace 5 días
Plataforma autoalojada para crear agentes y asistentes de IA que responden preguntas sobre tus documentos, con citas y cualquier modelo.
18,3 mil2,2 milPythonMITActualizado hace 2 horas
Una capa de memoria a largo plazo, local y nativa de Markdown para agentes de IA, que guarda recuerdos en archivos editables con índices de SQLite y LanceDB.
13,5 mil1,1 milPythonApache-2.0Actualizado ayer