Milvus v0.7.1 发布:多并发下的性能大幅提升!

| 版本兼容

 

| 新增功能

针对 FLAT 索引类型,新增子结构(substructure)和超结构(superstructure)距离计算方式。这两种距离计算方式常用于化学分子式的子结构和超结构搜索。

https://github.com/milvus-io/milvus/issues/1603 

 

| 主要改进

  • 改善了 Compact 操作的性能。issue# 1619

  • 改善了 Milvus 使用 CPU 进行查询的性能,特别是提高了在多连接并发场景下的查询性能。issue#267

  • 改善了 nq 小于 CPU 线程数时 Milvus 的搜索性能。pull#1690

  • 对于多个客户端的相同查询请求,Milvus 会将进行合并查询,从而显著提高查询速度。issue#1728

  • Mishards 同步升级到 0.7.1。issue#1698

     

 

| Bug 修复

  • 详情请参考 CHANGELOG。

    https://github.com/milvus-io/milvus/blob/master/CHANGELOG.md

 

| 与0.7.0版本的性能对比

我们对 0.7.0 版本与 0.7.1 版本在单进程和多并发情况下的 QPS (Queries per Second,每秒钟查询数)进行了测试。结果表明,0.7.1 版本无论在单进程还是多并发情况下都有较大的性能提升,在多并发条件下的性能提升尤其显著。

 

测试条件

CPU

Intel i7-8700 3.20GHz 12 core

GPU

GeForce GTX 1660  6GB

内存

32 GB

Milvus 元数据管理数据库

MySQL

Milvus 类型

支持 GPU 的 Milvus

客户端

C++ SDK

查询数据集规模

1,000,000

索引类型

IVFSQ8

向量距离

欧氏距离(L2)

向量维度

128

nq (目标向量个数)

1

topk(查询结果中作为结果的向量个数)

10

nprobe(查询时所涉及的向量类的个数)

16

nlist(建立索引时对向量数据文件进行聚类运算的分簇数)

16384

index_file_size(自动创建索引的数据文件大小)

1024 MB

查询次数

1000

 

性能对比

有任何问题吗?可以来 GitHub 帮我们提个 issue 或是加入 Milvus 线上交流群。你们的反馈是社区不断进步的动力!

 

 

| 欢迎加入 Milvus 社区

github.com/milvus-io/milvus | 源码

milvus.io | 官网

milvusio.slack.com | Slack 社区

zhihu.com/org/zilliz-11/columns | 知乎

zilliz.blog.csdn.net | CSDN 博客

 

展开阅读全文

没有更多推荐了,返回首页

应支付0元
点击重新获取
扫码支付

支付成功即可阅读