LLM--使用Milvus向量数据库必须知道的基本概念_milvu如何结合llm

Milvus 是一款专为大规模向量相似度搜索而设计的开源向量数据库。它旨在高效、快速地处理高维向量数据，并支持实时、近似最近邻（Approximate Nearest Neighbor, ANN）检索，适用于各种涉及向量搜索的应用场景，如图像识别、语音识别、推荐系统、自然语言处理（NLP）等。

milvus一致性

Consistency

分布式数据库中的一致性是指确保每个节点或副本在给定时间写入或读取数据时具有相同数据视图的属性

Milvus支持四种一致性级别:

• strong
• bounded staleness【默认】
• session
• eventually

在进行单向量搜索、多向量搜索或查询时，可以根据业务需要，调整一致性级别

正如PACELC定理所定义的那样，分布式数据库必须在一致性、可用性和延迟之间进行权衡。

• 一致性高意味着准确性高，但也意味着搜索延迟高，
• 一致性低意味着搜索速度快，但会损失一定的数据可见性。

因此，不同的一致性级别适用于不同的场景

Strong

最高和最严格的一致性。它确保用户可以读取最新版本的数据。

根据PACELC定理，如果一致性级别设置为Strong，则延迟会增加。

建议使用场景：

• 功能测试时，以保证测试结果的准确性。
• 以牺牲搜索速度为代价对数据一致性有严格要求的应用程序。如处理订单支付和账单的在线金融系统
</