Открытая векторная база данных для AI-приложений: хранит документы и векторы для семантического, гибридного и полнотекстового поиска.
milvus-io/milvus
Milvus — распределённая векторная база данных с открытым исходным кодом для масштабного хранения эмбеддингов и поиска по ним, подходящая для AI-поиска и RAG-приложений.
Open source альтернатива:Pinecone
- Звёзды
- 46,453
- Форки
- 4,310
- Открытые issues
- 1,432
- Последний коммит
- 4 часа назад
Что это?
Milvus — векторная база данных, которая хранит эмбеддинги, полученные из неструктурированных данных, таких как текст, изображения и мультимодальный контент, и выполняет по ним приближённый поиск ближайших соседей. Она позволяет хранить векторы вместе со скалярными полями, например целыми числами, строками и JSON, а также поддерживает фильтрацию по метаданным, поиск по диапазону и гибридный поиск.
Система написана на Go и C++ и имеет распределённую архитектуру, рассчитанную на Kubernetes, в которой вычисления отделены от хранения данных. Благодаря этому узлы запросов и данных можно масштабировать независимо. Также доступны режим Standalone для одной машины и Milvus Lite — облегчённая версия, которую можно установить через pip для локального прототипирования. Поддерживаются типы индексов HNSW, IVF, FLAT, SCANN и DiskANN, а также индексация на GPU.
Проект поддерживает полнотекстовый поиск с BM25, разреженные эмбеддинги, например SPLADE и BGE-M3, изоляцию арендаторов, RBAC и TLS. Он интегрируется с такими инструментами, как LangChain, LlamaIndex и OpenAI, а Python SDK pymilvus предоставляет интерфейс MilvusClient. Проект распространяется по лицензии Apache 2.0 и размещён под эгидой LF AI & Data Foundation.
Ключевые возможности
- 01Векторный поиск с типами индексов HNSW, IVF, FLAT, SCANN и DiskANN
- 02Фильтрация по метаданным, поиск по диапазону и гибридный поиск со скалярными полями
- 03Полнотекстовый поиск с BM25 и разреженными эмбеддингами, например SPLADE
- 04Распределённое развёртывание, рассчитанное на Kubernetes, с независимо масштабируемыми узлами
- 05Изоляция арендаторов с RBAC, аутентификацией пользователей и шифрованием TLS
- 06Milvus Lite для локального использования через pip install pymilvus[milvus-lite]
Сценарии использования
- Построение RAG-конвейеров для работы с внутренними документами
- Поиск похожих изображений, текстов или мультимодального контента в производственных приложениях
- Создание рекомендательных систем, сопоставляющих пользователей и объекты по сходству эмбеддингов
- Локальное прототипирование векторного поиска с Milvus Lite перед развёртыванием кластера
Быстрый старт
- 1
Установите Python SDK pymilvus
pip install -U pymilvus - 2
Импортируйте MilvusClient из pymilvus
- 3
Создайте локальный клиент Milvus Lite, указав имя файла для сохранения данных
- 4
Создайте коллекцию с помощью клиента
Что важно знать
- Запуск самостоятельно размещённого распределённого кластера Milvus — сложная задача: в Kubernetes нужно развернуть множество микросервисов.
- Облегчённый вариант Milvus Lite предназначен для быстрого старта, а не для рабочих нагрузок производственного масштаба.
Темы
Частые вопросы
- Что такое milvus?
- Milvus — распределённая векторная база данных с открытым исходным кодом для масштабного хранения эмбеддингов и поиска по ним, подходящая для AI-поиска и RAG-приложений. Milvus — векторная база данных, которая хранит эмбеддинги, полученные из неструктурированных данных, таких как текст, изображения и мультимодальный контент, и выполняет по ним приближённый поиск ближайших соседей. Она позволяет хранить векторы вместе со скалярными полями, например целыми числами, строками и JSON, а также поддерживает фильтрацию по метаданным, поиск по диапазону и гибридный поиск.
- milvus можно использовать бесплатно? Какая у него лицензия?
- milvus распространяется с открытым исходным кодом под лицензией Apache-2.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- milvus всё ещё поддерживается?
- Активно поддерживается. Последний коммит в milvus — 21 окт. 2026 г..
- Для чего можно использовать milvus?
- Построение RAG-конвейеров для работы с внутренними документами Поиск похожих изображений, текстов или мультимодального контента в производственных приложениях Создание рекомендательных систем, сопоставляющих пользователей и объекты по сходству эмбеддингов Локальное прототипирование векторного поиска с Milvus Lite перед развёртыванием кластера
- Как установить milvus?
- Установите Python SDK pymilvus: pip install -U pymilvus Импортируйте MilvusClient из pymilvus Создайте локальный клиент Milvus Lite, указав имя файла для сохранения данных Создайте коллекцию с помощью клиента
- Где скачать milvus?
- Исходный код и инструкции по установке — на GitHub: https://github.com/milvus-io/milvus
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
Локальный векторный индекс и инструментарий для RAG: пересчитывает эмбеддинги по запросу и сокращает объём хранения примерно на 97%, позволяя искать личные данные на ноутбуке.
Локальная AI-система памяти: хранит историю диалогов без изменений и находит нужное с помощью семантического поиска; доступна как MCP-сервер и CLI.
No-code RAG-сервер, который индексирует документы из папки в одной из 8 векторных баз данных и обновляет ответы при изменении файлов.
Платформа для самостоятельного развёртывания AI-агентов и ассистентов, которые отвечают на вопросы по вашим документам со ссылками на источники и работают с любой моделью.
Локальный слой долговременной памяти для AI-агентов на основе Markdown: данные хранятся в редактируемых файлах, а для поиска используются индексы SQLite и LanceDB.