https://blog.itdn.top/tags/%E5%90%91%E9%87%8F%E6%95%B0%E6%8D%AE%E5%BA%93/ Recent content in 向量数据库 on 知行 - 大道至简，知易行难；道阻且长，行则将至。 Hugo -- gohugo.io zh-CN 郑超(Charles·Zheng) Fri, 06 Feb 2026 15:30:12 +0000 https://blog.itdn.top/posts/2026/ai_milvus/ Fri, 06 Feb 2026 15:30:12 +0000 https://blog.itdn.top/posts/2026/ai_milvus/ 一、基础概念 Milvus 是一款开源的、专注于向量相似度搜索和AI 应用开发的数据库。它能够高效地处理由非结构化数据（如图片、音频、文本）转换而来的嵌入向量，并通过计算向量间的相似度，实现诸如“以图搜图”、“语义搜索”、“推荐系统”等功能。 1.1 核心概念 概念 说明 示例 集合 (Collection) 相当于传统数据库中的表，是存储向量的主要单元，用于存放具有相同结构的向量数据 movie_embeddings（存储电影简介向量）、product_images（存储商品图片特征） 分区 (Partition) 集合的物理分割，用于数据隔离和优化查询性能 按日期分区：partition_2023, partition_2024 集合模式 (Schema) 集合的结构定义，描述了集合中包含哪些字段及其数据类型，其中一个字段必须是主键 {movie_id: INT64 (主键), title: VARCHAR, embedding: FLOAT_VECTOR (dim=1536)} 实体 (Entity) 一条完整的数据记录，包含主键、向量和其关联的标量数据 {id: 1, vector: [0.1, 0.2, ...], book_name: "深入理解 Milvus", price: 99} 向量 (Vector) 一组描述非结构化数据特征的数值数组，是 Milvus 存储和操作的核心对象 OpenAI Embedding 生成的 1536 维数组 标量 (Scalar) 传统的结构化数据，作为元数据与向量一起存储，可用于过滤 ID, 书名, 价格 索引 (Index) Milvus 性能的核心，为加速大规模向量的相似性搜索而创建 IVF_FLAT, HNSW, DISKANN 度量类型 (Metric Type) 衡量两个向量相似度的计算方法 L2 (欧氏距离)、IP (内积)、COSINE (余弦相似度) 1.