Repolode
Enviar
milvus-io

milvus-io/milvus

Milvus é um banco de dados vetorial distribuído e open source para armazenar e pesquisar embeddings em grande escala, usado em buscas com IA e aplicações de RAG.

Alternativa open source a:Pinecone

Ver no GitHubSite
Estrelas
46,453
Forks
4,310
Issues abertas
1,432
Último commit
há 2 horas

O que é?

Milvus é um banco de dados vetorial que armazena embeddings gerados a partir de dados não estruturados, como texto, imagens e conteúdo multimodal, e realiza buscas aproximadas pelos vizinhos mais próximos. Ele pode armazenar vetores junto com campos escalares, como inteiros, strings e JSON, e oferece suporte a filtros por metadados, busca por intervalo e busca híbrida.

O sistema é escrito em Go e C++ e tem uma arquitetura distribuída e nativa do Kubernetes que separa computação e armazenamento, permitindo escalar nós de consulta e de dados de forma independente. Também oferece o modo Standalone, para uma única máquina, e o Milvus Lite, uma versão leve que pode ser instalada com pip para prototipagem local. Entre os tipos de índice compatíveis estão HNSW, IVF, FLAT, SCANN e DiskANN, com indexação por GPU opcional.

O projeto inclui busca full-text com BM25, embeddings esparsos, como SPLADE e BGE-M3, isolamento multi-tenant, RBAC e TLS. Ele se integra a ferramentas como LangChain, LlamaIndex e OpenAI, e o SDK Python pymilvus oferece a interface MilvusClient. O projeto é licenciado sob Apache 2.0 e está hospedado na LF AI & Data Foundation.

Recursos principais

  • 01Busca vetorial com os tipos de índice HNSW, IVF, FLAT, SCANN e DiskANN
  • 02Filtros por metadados, busca por intervalo e busca híbrida com campos escalares
  • 03Busca full-text com BM25 e embeddings esparsos, como SPLADE
  • 04Implantação distribuída e nativa do Kubernetes, com nós que podem ser escalados de forma independente
  • 05Isolamento multi-tenant com RBAC, autenticação de usuários e criptografia TLS
  • 06Milvus Lite para uso local via pip install pymilvus[milvus-lite]

Casos de uso

  • Criar pipelines de geração aumentada por recuperação (RAG) com documentos privados
  • Busca de similaridade entre imagens, textos ou conteúdo multimodal em aplicações de produção
  • Sistemas de recomendação que relacionam usuários e itens pela similaridade entre embeddings
  • Prototipar buscas vetoriais localmente com Milvus Lite antes de implantar um cluster

Início rápido

  1. 1

    Instale o SDK Python pymilvus

    pip install -U pymilvus
  2. 2

    Importe MilvusClient de pymilvus

  3. 3

    Crie um cliente local do Milvus Lite e informe um nome de arquivo para persistir os dados

  4. 4

    Crie uma coleção com o cliente

Antes de usar

  • Executar um cluster distribuído do Milvus auto-hospedado é complexo, pois envolve vários microsserviços no Kubernetes.
  • A opção leve Milvus Lite é destinada a iniciar rapidamente, não a cargas de trabalho em escala de produção.

Tópicos

#vector-database#ann-search#embeddings#rag#similarity-search#distributed#go#llm#anns#cloud-native

Perguntas frequentes

O que é milvus?
Milvus é um banco de dados vetorial distribuído e open source para armazenar e pesquisar embeddings em grande escala, usado em buscas com IA e aplicações de RAG. Milvus é um banco de dados vetorial que armazena embeddings gerados a partir de dados não estruturados, como texto, imagens e conteúdo multimodal, e realiza buscas aproximadas pelos vizinhos mais próximos. Ele pode armazenar vetores junto com campos escalares, como inteiros, strings e JSON, e oferece suporte a filtros por metadados, busca por intervalo e busca híbrida.
milvus é gratuito? Qual é a licença?
milvus é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
milvus ainda é mantido?
Manutenção ativa. O último commit de milvus foi em 21 de out. de 2026.
Para que posso usar milvus?
Criar pipelines de geração aumentada por recuperação (RAG) com documentos privados Busca de similaridade entre imagens, textos ou conteúdo multimodal em aplicações de produção Sistemas de recomendação que relacionam usuários e itens pela similaridade entre embeddings Prototipar buscas vetoriais localmente com Milvus Lite antes de implantar um cluster
Como instalar milvus?
Instale o SDK Python pymilvus: pip install -U pymilvus Importe MilvusClient de pymilvus Crie um cliente local do Milvus Lite e informe um nome de arquivo para persistir os dados Crie uma coleção com o cliente
Onde consigo milvus?
O código-fonte e as instruções de instalação estão no GitHub: https://github.com/milvus-io/milvus

Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.

Projetos relacionados