通过创建阿里云向量检索Milvus实例,能够迅速搭建起具备高性能、弹性伸缩特性的AI向量检索数据库,并借助内置可视化管理工具Attu实现高效运维与监控。本文为您介绍如何快速创建Milvus实例。
前提条件
注意事项
Milvus采用存储计算分离架构,需选择OSS Bucket,向量数据将存储在阿里云对象存储(OSS)中。如果您尚未开通OSS,可以参见开通OSS服务进行开通。开通后还需为Bucket创建key为Product,value为ServerlessMilvus的指定标签,详情请参见管理存储空间标签。
操作步骤
进入EMR Serverless Milvus页面。
在左侧导航栏,选择
。在顶部菜单栏处,根据实际情况选择地域。
在Milvus页面,单击创建实例。
在Milvus向量搜索页面,完成相关配置。
配置项
示例
描述
付费类型
包年包月
仅支持包年包月类型。
付费时长
1个月
默认购买时长为1个月,支持的购买时长以实际界面为准。
地域和可用区
华东1(杭州)
可用区H
实例所在的物理位置和可用区。
重要实例创建后,无法更改地域和可用区,请谨慎选择。
VPC ID
vpc_Hangzhou/vpc-bp1f4epmkvncimpgs****
专有网络是您在阿里云自己定义的一个隔离网络环境,您可以完全掌控自己的专有网络。
选择已有的专有网络,或者如需创建新的专有网络,可以单击前往控制台创建,详情请参见创建和管理专有网络。
vSwitch ID
vsw_i/vsw-bp1e2f5fhaplp0g6p****
交换机(vSwitch)是组成专有网络VPC的基础网络模块,用来连接不同的云资源。
选择已有的交换机,或者如需创建新的交换机,可以单击控制台创建,详情请参见创建和管理交换机。
服务关联角色
AliyunServiceRoleForMilvus
已授予您的阿里云账号的AliyunServiceRoleForMilvus角色,以及与其关联的AliyunServiceRolePolicyForMilvus策略。
Milvus使用此角色来访问您在其他云产品中的资源。
引擎版本
2.3
Milvus的社区版本号。
OSS存储
serverless-milvus-oss
用于存储向量数据。
重要需为Bucket创建指定标签,key为Product,value为ServerlessMilvus,详情请参见管理存储空间标签。
如果没有Bucket,在OSS存储下拉列表中选择去创建,跳转至对象存储OSS控制台上创建,具体操作请参见控制台创建存储空间。
规格
入门版
Milvus实例的规格。
入门版:适用于测试环境,且资源规格固定。
选择该规格时,还需配置Standalone规格参数,该参数是入门版节点配置,可以使用默认的1 vCPU 4 GiB。
标准版:适用于生产环境,资源规格可以按需定制。
当您的向量数据规模超过500万,或者当前入门版的规格无法满足您的业务需求时,您可以填写阿里云向量检索Milvus标准版测试申请表申请试用。相较于入门版本,Milvus标准版提供了更大范围的实例规格选项和更加多样化的配置,您可以根据实际使用情况灵活选择最适合的实例规格。
选择该规格时,还需要配置以下参数:
MixCoordinator资源规格:IndexCoord、QueryCoord和DataCoord服务混合部署在该节点上。
MixCoordinator节点数量:默认为1,目前不支持HA。
Proxy资源规格:指定Proxy节点大小。
Proxy节点数量:指定Proxy节点副本数量。
Query Node资源规格:指定QueryNode节点大小。
Query Node节点数量:指定QueryNode节点副本数量。
Index Node资源规格:指定IndexNode节点大小。
Index Node节点数量:指定IndexNode节点副本数量。
Data Node资源规格:指定DataNode节点大小。
Data Node节点数量:指定DataNode节点副本数量。
root用户密码
请您自定义
设置Milvus实例用于登录数据库的root账号密码。
重要请牢记您设定的密码,目前不支持修改密码。
单击立即购买。
当实例状态为运行中时,表示实例创建成功。
相关文档
阿里云Milvus现已无缝集成于阿里云PAI平台,一站式赋能用户构建高性能的检索增强生成(RAG)系统。您可以利用Milvus作为向量数据的实时存储与检索核心,高效结合PAI和LangChain技术栈,实现从理论到实践的快速转化,搭建起功能强大的RAG解决方案。解决方案详情,请参见通过阿里云Milvus与PAI搭建高效的检索增强生成(RAG)系统。
阿里云Milvus作为一个高性能的向量检索服务,可以与阿里云PAI(EAS)以及Embedding技术相结合,构建一个基于大型语言模型(LLM)的智能问答系统。通过利用Milvus实现高效的向量检索能力,结合EAS上部署的LLM模型进行推理和文本理解,以及LangChain或其他知识管理工具链来组织和利用知识库,可以快速构建起强大的问答应用。解决方案详情,请参见通过Milvus和LangChain快速构建LLM问答系统。
阿里云向量检索Milvus和灵积(Dashscope)提供的通用千问大模型能力,可以快速构建一个基于专属知识库的问答系统。解决方案详情,请参见通过阿里云Milvus和通义千问快速构建基于专属知识库的问答系统。
- 本页导读 (1)