共计 4030 个字符，预计需要花费 11 分钟才能阅读完成。
2021，数据库畛域的钻研有哪些冲破？
本月举办的寰球数据库顶会 VLDB 上，Zilliz 与哈佛大学、卡内基梅隆大学、清华大学、微软等多家高校与企业受邀介绍最新研究进展，分享了将机器学习办法利用到数据库系统的教训。Zilliz 高级研究员易小萌介绍了开源向量数据库 Milvus 的开发背景、设计思路，以及开发过程中遇到的挑战与技术创新点。
VLDB 与 SIGMOD 和 ICD 是数据库畛域久负盛名的三大顶会。此前，由 Zilliz 研发团队奉献的研究成果 Milvus: A Purpose Built Vector Data Management System 就因过硬的底层性能和欠缺的业务场景，被 SIGMOD 评委会相中收录为往年 21 篇工业界论文之一。
Milvus 专为剖析和检索海量特征向量而设计，提供残缺的向量数据更新、索引与查问框架，在满足动态数据实时搜寻的同时，也能满足理论业务中多样化的查问需要。目前，Milvus 曾经公布 1.0 单机版与 2.0 分布式版，所有代码齐全开源，试验性能大幅超过同 类向量检索系统。
“俗话说万物皆 embedding，拜机器学习所赐，咱们可能用神经网络提取简单数据中的语义，从而建设咱们的向量数据库”，易小萌在分享中说。向量数据库与传统数据库有哪些不同？劣势体现在哪里？让咱们一起来看看吧：
1. 咱们为什么要应用向量数据库？
据 IDC 白皮书预测，2018 年到 2025 年之间，寰球产生的数据量将会从 33 ZB 增长到 175 ZB，其中超过 80% 的数据都会是解决难度较大的非结构化数据，如图像、视频、音频等。然而，传统的数据库只能寄存无限的、通过提取和加工后的数据，例如数字、文本等。数据量的激增与数据类型的巨变给传统的数据仓库带来微小挑战。
2018 年，Zilliz 开发团队嗅到了数据改革的趋势，工程师们构想了一种可能：只管数据具备不同的类型，在语义（Semantics）层面上能够用向量对数据进行对立的标识。如果应用 AI 神经网络模型提取数据类型的语义，将其以向量的模式出现，就能够针对向量数据构建运算零碎，许多数据处理逻辑能够间接在向量上执行。向量数据库的劣势在于，用对立的模式出现所有类型的数据，升高了底层数据处理系统的复杂性。
以图像搜寻为例，机器学习的形式能够将图片映射到向量空间中，在这个空间中，类似图片的向量是靠近的。当用户发动一个以图搜图的查问，数据库将查问的图像转化为向量，在向量空间中进行向量类似度搜寻，再将后果向量对应的图片返回给用户 —— 目前，Milvus 曾经实现了这个性能，并通过了寰球 1000 家用户的实际验证。
2. Milvus 2.0 版本设计理念与亮点性能
Milvus 1.0 版本实现了对向量数据的增删改查和长久化存储。
去年年底，分布式的 Milvus 2.0 版本公布。新版本基于以下 五点考量：
- Milvus 零碎须要疾速演进。新兴畛域的系统软件，每天都面对新的性能需要，其迭代速度决定了软件的生命力。一个足够凋谢、解耦的架构，能够防止疾速演进过程中的复杂度失控。
- 只管 Milvus 2.0 版本是为分布式解决数据设计的，咱们仍然心愿在不同环境下的部署都能有稳固的体现。
- 老本 - 效益对于向量数据很要害。向量数据和 AI 模型外部有大量的矩阵、向量运算，通常是计算密集和内存密集的，所以零碎的弹性机制和资源调度机制对于老本影响很大。
- 咱们还心愿 Milvus 具备多样化的负载特色。不同负载下对于零碎不同模块的压力区别十分大，为了无效的适应不同负载，比方混合数据的插入、更新和查问，零碎须要有组件级的弹性能力。
- Milvus 须要有灵便的协处理器机制以应答简单的 Query。随着用户的查问场景越来越简单，向量引擎须要和其它类型的剖析引擎严密单干，从而实现比较复杂的文本查问，或是构造数据的谓词运算。
Milvus 的 架构逻辑 分为四层：
- 协调服务 Coordinators – 负载最轻的控件，负责整体零碎的协调控制。总共有四类协调者角色，别离为 root coord、data coord、query coord 和 index coord。
- 日志序列 Log Broker – 日志序列记录了零碎中所有的“写入”操作，如表的创立和删除、数据的追加和更新。所有执行数据分析工作的零碎组件都须要订阅日志序列，以便与最新的零碎状态同步。接入层 Access Layer 蕴含了一组对等的 proxy 节点，是裸露给用户的对立 endpoint，负责转发申请并收集执行后果。
- 日志订阅 Log Subscribers – 当须要扩大零碎整体剖析能力的时候，就构建新的日志订阅者，并在其中实现这些性能。执行节点（Worker Node）只负责被动执行协调服务发动的命令，响应接入层发动的读写申请。目前有三类执行节点，即 data node、query node 和 index node。
- 存储服务 Storage – 整体零碎数据的长久化存储，Milvus 依赖三类存储：元数据存储、音讯存储和对象存储。
Milvus 2.0 作为一款开源分布式向量数据库产品，始终将产品的易用性放在零碎设计的第一优先级。一款数据库的应用老本不仅蕴含了运行态的资源耗费老本，也蕴含了运维老本和接入学习老本。Milvus 新版本反对了大量升高用户应用老本的性能，具备以下 六大亮点：
- 继续可用
Fail cheap, fail small, fail often. 存储计算拆散架构，使得节点失败复原的解决非常简略，且代价很低；分而治之的思维，使得每个协调服务仅解决读 / 写 / 增量 / 历史数据中的一个局部，设计被大大简化；混沌测试的引入，通过故障注入模仿硬件异样、依赖生效等场景，减速问题在测试环境被发现的概率。 - 向量 / 标量混合查问
混合查问帮忙用户找出合乎过滤表达式的近似邻，目前 Milvus 反对等于、大于、小于等关系运算以及 NOT、AND、OR、IN 等逻辑运算，解决了结构化数据和非结构化数据的割裂问题。 - 多一致性
Milvus 2.0 是基于音讯存储构建的分布式数据库，遵循 PACELC 定理所定义的，必须在一致性和可用性 / 提早之间进行取舍。绝大多数 Milvus 场景在生产中不应过分关注数据一致性的问题，起因是承受大量数据不可见对整体召回率的影响极小，但对于性能的晋升帮忙很大。尽管如此，咱们认为强一致性、有界一致性、会话一致性等一致性保障语义仍然有其独特的利用场景。比方，在功能测试场景下，用户可能期待应用强统一语义保障测试后果的正确性，因而 Milvus 反对申请级别的可调一致性级别。 - 工夫旅行：
数据工程师常常会因为脏数据、代码逻辑等问题须要回滚数据。Milvus 对所有数据增删操作保护了一条时间轴，用户查问时能够指定工夫戳以获取某个工夫点之前的数据视图。基于 Time Travel，Milvus 还能够很轻量地实现备份和数据克隆性能。 - ORM Python SDK：
对象关系映射（Object Relational Mapping）技术使用户更加关注于业务模型而非底层的数据模型，便于开发者保护表、字段与程序之间的关联关系。为了补救 AI 算法概念验证（Proof of concept）到理论生产部署之间的缺口，咱们设计了 Milvus ORM API，而其背地的实现能够是通过嵌入式的 Library、单机部署、分布式集群，也可能是云服务。通过对立的 API 提供统一的应用体验，防止云端两侧反复开发、测试与上线成果不统一等问题。 - 丰盛的周边反对：
Milvus 应用 Milvus Insight 图形化治理界面，反对基于 helm 和 docker-compose 的一键部署，Milvus 2.0 应用开源时序数据库 Prometheus 存储性能和监控数据，同时依赖 Grafana 进行指标展现。
如有趣味理解更多 Milvus 2.0 的相干内容，请参阅残缺的 Milvus 2.0 发版阐明：https://github.com/milvus-io/…。
3. 开发挑战与可能的 AI 解决方案
在开发 Milvus 2.0 过程中，开发团队遇到了不少挑战。
第一个挑战是 索引的抉择和相干的参数配置。配置索引是高效查问的必经之路，咱们为用户提供多种类型的索引，应用不同的索引类型和参数配置能够在老本、准确性和性能之间取得不同的平衡点。然而，索引类型太多，用户未免有“抉择艰难症”。咱们目前的解决办法是利用机器学习中的 BOHB 算法来实现主动（超参数）调优。BOHB 依赖 HB（Hyperband）来决定每次跑多少组参数和每组参数调配多少资源，其根本思维是对潜在的良好配置进行抽样，并在 Milvus 中对其进行评估，直到估算资源用完为止。尽管这种办法比随机搜寻和纯贝叶斯优化办法更无效，但因为评估新配置时的高指数构建老本，这个计划依然很耗时。Milvus 团队心愿进一步寻求办法，比方容许先在小数据集上进行评估，再将后果转移到大数据集，让机器学习已有的数据集，并利用它来领导新数据集进行配置。
Milvus 遇到的第二个挑战是 数据压缩。向量搜索算法须要在主内存中保留索引和数据，消耗大量老本，所以咱们心愿可能以较低的维度示意数据。如果应用传统的 PCA 技术进行压缩，精度会降落 10% 以上。机器学习或者能够改良向量搜寻，团队思考应用神经网络将向量编码到低维空间，为不同的查问抉择适合的策略，从而尽量保留向量之间的相似性、进步查问性能。
在 AI 和数据库的穿插畛域，咱们期待用 AI 为向量检索赋能，解锁更多非结构化数据的暗藏价值。
📖 Milvus docs
Milvus 文档链接奉上：https://milvus.io/cn/docs/home
🚀 Milvus Roadmap
对于 Milvus 的将来的更多布局，欢送大家通过 Roadmap 我的项目来理解：https://milvus.io/docs/v2.0.0…
🙏Thank you contributors！
最初感激 Milvus 社区的 147 位贡献者 ❤️ 有了他们才有了今日的 Milvus 2.0。也欢送大家开 issue 吐槽，或是退出社区一起奉献：https://milvus.io/community
