備受關注的 Milvus 2.4 正式上線！
作爲向量數據庫賽道的領軍者，Zilliz 一直致力於推動向量技術的進步與創新。本次發佈中，Milvus 新增支持基於 NVIDIA 的 GPU 索引—— CUDA 加速圖形索引（CAGRA），突破了現有向量搜索的能力。
GPU 索引是向量數據庫技術中的重要里程碑，其速度和性能遠超傳統的 CPU 索引（如 HNSW）。Zilliz 繼 2023 年新增 GPU IVF-Flat 和 GPU IVF-PQ 索引後，又在 Milvus 2.4 版本中進一步增強了 GPU 索引能力。而衆所周知，向量搜索速度對於 RAG 應用至關重要。Milvus 2.4 發佈後，可以輕鬆助力用戶生成式 AI 應用的開發。
不止如此，Milvus 2.4 還支持多向量檢索、Grouping 搜索功能、稀疏向量等。爲了方便大家瞭解新版本，3 月 26 日（週二）晚 8 點，Zilliz 產品經理張粲宇將爲大家在直播間詳細拆解 Milvus 2.4 的關鍵特性及答疑解惑。
以下是 Milvus 2.4 的幾個重要更新：
🚀支持 CAGRA 索引
Milvus 2.4 新增支持 CAGRA 索引，我們要衷心感謝 NVIDIA 團隊對 CAGRA 的寶貴貢獻，CAGRA 是 NVIDIA RAFT 庫中最先進的基於圖形處理器的圖形索引。與以前只在大批量下獲得性能優勢的圖形處理器索引不同，CAGRA 即使在小批量查詢中也表現出壓倒性的優勢，雖然這是 CPU 索引傳統上擅長的領域。此外，CAGRA 在大批量查詢和索引構建速度方面的性能確實是無與倫比的。除了 CAGRA，該版本 Milvus 還支持了 GPU 暴搜，性能有數十倍提升，進一步滿足需要高召回率的場景。
🔍支持多向量搜索
Milvus 2.4 支持多向量搜索，進一步爲 AI 應用開發賦能。多向量搜索能力能夠有效簡化處理多模態搜索的流程，並提升檢索召回率。Milvus 2.4 支持在 Collection 中存儲和搜索多個向量列，從而滿足用戶在實際應用場景中的需求。
此外，該特性還簡化了整合、優化自定義重排模型的流程，支持開發高級搜索功能，如利用多維度數據輸入來做綜合搜索的系統。
🧮Grouping 搜索
Milvus 2.4 的新增支持 Grouping 搜索功能，使得用戶可以在搜索 vector 的基礎上做分組聚合，返回的 TopK 是基於分組後的聚合結果而非簡單的以向量爲中心的片段信息。用戶現在可以按特定標量字段中的值聚合搜索結果，這有助於RAG 應用程序實現文檔級召回。考慮一個文檔集合，每個文檔拆分成各種段落。每個段落由一個向量嵌入表示，屬於一個文檔。要查找最相關的文檔而不是分散段落，可以在 search（） 操作中包含 group_by_field 參數，以按文檔 ID 對結果進行分組。
🔮支持稀疏向量（beta）
Milvus 2.4 還支持稀疏向量。這一特性專爲由 SPLADEv2 等神經模型和 BM25 等統計模型生成的向量設計，通過專注於語義相似性，在傳統關鍵詞搜索基礎之上，進一步增強了語義搜索能力。具體而言，對稀疏向量的支持，進一步增強了 Milvus 的混合搜索能力——即將關鍵詞搜索和向量搜索相結合，最終提高搜索準確性。當前該功能還處於內測階段中。
➡️倒排索引和模糊匹配支持
在 Milvus 以前的版本中，基於內存的二進制搜索索引和 Marisa Trie 索引用於標量字段索引。然而，這些方法是內存密集型的。Milvus 2.4 採用了基於 Tantivy 的倒排索引，它可以應用於所有數字和字符串數據類型。這個新索引顯著提高了標量查詢性能，將字符串中關鍵字的查詢減少了十倍。此版本還支持模糊匹配標量過濾使用前綴，中綴和後綴。
✨內存映射存儲
Milvus 使用內存映射存儲（MMap）來優化其內存使用。這種機制不是將文件內容直接加載到內存中，而是將文件內容映射到內存中。這種方法帶來了性能下降的權衡。通過在具有 2 個 CPU 和 8 GB RAM 的主機上爲 HNSW 索引集合啓用 MMap，您可以加載 4 倍以上的數據，性能下降不到 10%。此外，此版本還允許對 MMap 進行動態和細粒度的控制，而無需重新啓動 Milvus。
⬆️ 其他優化
Milvus 2.4 還包含其他新特性及功能優化，包括在元數據過濾中支持使用正則表達式對子字符串進行匹配、全新的標量倒排索引（由 Tantivy 貢獻）以及用於檢測並同步 Milvus Collection 中數據變化的 Change Data Capture 工具。所有上述新特性及功能優化都致力於提升 Milvus 性能和功能，幫助 Milvus 輕鬆應對更復雜的數據操作。
掃碼預約直播，瞭解更多關於 Milvus 2.4 的細節：
- 如果在使用 Milvus 或 Zilliz 產品有任何問題，可添加小助手微信 “zilliz-tech” 加入交流羣。
- 歡迎關注微信公衆號“Zilliz”，瞭解最新資訊。