Milvus 3.0 介绍与选型指南

Milvus 3.0 介绍与选型指南：官方资料溯源的云原生向量数据库架构（3.0.2 起默认 Woodpecker MQ）、Standalone/分布式部署、功能特性与适用限制，以及与 Qdrant、Weaviate、pgvector、Elasticsearch、Chroma 的量化选型对比（2026-10-19 实查，未做本地安装实测）。

MilvusMilvus向量数据库2026/10/19

Milvus 3.0 介绍与选型指南

目标：基于 Milvus 官方公开资料（GitHub 官方仓库与 Releases、milvus.io 官方文档）梳理其定位、架构、功能与选型口径，并与 Qdrant、Weaviate、pgvector、Elasticsearch、Chroma 做量化对比。本文仅做官方资料溯源，不做本地安装与运行实测；全部版本号、日期与社区数据于 2026-10-19 联网实查。

一、信息基准

1.1 查询说明

  • 查询日期：2026-10-19。
  • 信息获取方式：纯官方资料溯源（milvus-io/milvus 官方仓库与 Releases、milvus.io 官方文档站），本文不做本地安装与运行实测。
  • 版本结论：本次介绍的版本为 Milvus 3.0 系列。GitHub 最新发布为 v3.0.3（2026-10-14，发行说明标注"coming..."尚未随发），最后一个附完整官方发行说明的补丁为 v3.0.2（2026-09-20）；同时 2.6 维护线仍活跃（2.6.25，2026-09-29）。本文以 3.0 系列为介绍基准。

1.2 版本依据

项目实查结果（2026-10-19）来源
最新发布v3.0.3（2026-10-14，发行说明未随发）github.com/milvus-io/milvus/releases（releases.atom）
最新完整说明补丁v3.0.2（2026-09-20）；v3.0.1（2026-09-09）；v3.0.0（2026-07-29）同上
2.6 维护线2.6.25（2026-09-29）、2.6.24（2026-09-16）、2.6.23（2026-08-28）、2.6.22（2026-08-04）同上
SDK 版本对应（3.0.2）Python 3.0.2 / Node.js 3.0.6 / Java 3.0.10 / Go 3.0.2v3.0.2 官方发行说明
代码仓库milvus-io/milvusgithub.com/milvus-io/milvus
GitHub stars35455GitHub API（2026-10-19 实查）
开源许可Apache License 2.0GitHub API license 字段
官方站点milvus.io仓库 homepage

1.3 官方来源清单

来源地址
官方站点https://milvus.io
官方文档https://milvus.io/docs
Docker Standalone 部署文档https://milvus.io/docs/install_standalone-docker.md
源码仓库https://github.com/milvus-io/milvus
发行列表https://github.com/milvus-io/milvus/releases

二、软件概述

本文介绍的是 Milvus 3.0 系列（最新完整发行说明补丁 v3.0.2，2026-09-20 发布）。

Milvus 是一个高性能、云原生的开源向量数据库，专为可扩展的向量近似最近邻（ANN）检索构建（官方仓库描述），由 LF AI & Data 基金会毕业项目背后的社区与 Zilliz 主导维护。它同时存储对象与向量、支持标量过滤与向量检索的组合查询，覆盖推荐、RAG、以图搜图、多模态检索等场景（仓库 topics 官方标注：vector-database、rag、hnsw、diskann 等）。

Milvus 在 GitHub（milvus-io/milvus）上拥有 35455 stars、3260 forks（2026-10-19 实查，GitHub API），以 Apache License 2.0 发布，主语言为 Go。当前 3.0 系列与 2.6 系列双线维护，发版节奏为月度补丁级别（2026-07 至 2026-10 实查：3.0.0 → 3.0.3、2.6.21 → 2.6.25）。

三、核心架构

3.1 部署形态

  • Standalone（单机）：官方提供 standalone_embed.sh 脚本，以单个 Docker 容器运行，内嵌 etcd（端口 2379）、数据卷映射至 volumes/milvus（官方文档 install_standalone-docker.md）。
  • 分布式：面向大规模场景的多组件部署，官方文档提供 Helm/Kubernetes 部署与扩容路径（官方 docs「What's next」：Scale your Milvus cluster、Helm 升级等条目）。

3.2 3.0.2 起的默认组件栈

官方 Docker Standalone 文档「What's new in v3.0.2」明确：

  • Streaming Node：数据处理能力增强；
  • Woodpecker MQ（默认）：以本地文件系统为 WAL 后端的消息队列，单机部署无需外部消息队列服务；
  • 架构整合：组件合并以提升性能。

可选依赖保持开放：消息队列可替换为 Pulsar、Kafka、RocksMQ；对象存储支持 MinIO（默认）、AWS S3、Azure Blob、GCP Cloud Storage、阿里云 OSS、腾讯云 COS、华为云 OBS 等 S3 兼容服务；元数据可外接 etcd（官方文档「Optional dependencies」一节）。

3.3 观测与管理

  • 内置 Milvus WebUI（http://127.0.0.1:9091/webui/，9091 为健康检查/管理端口）；
  • 官方生态提供 Attu（图形化管理）、Prometheus 监控、Milvus Backup（备份）、Birdwatcher（调试与动态配置）等配套工具（官方文档「What's next」一节）。

四、功能特性

4.1 检索能力

  • 向量 ANN 检索与混合搜索（Hybrid Search/多向量检索，官方文档导航条目 Single-Vector Search / Multi-Vector Search）；
  • 标量过滤与向量检索组合；3.0.2 改进 ARRAY 过滤（链式 contains 合并为 ContainsAny/ContainsAll 单表达式）并统一 Bloom/Roaring 成员判断为 membership_match 表达式（v3.0.2 发行说明实查）；
  • 文本检索配套：Tantivy 索引支撑 text match、NGRAM 与 JSON key stats（v3.0.2 发行说明）。

4.2 存储与外部集成

  • 外部 collection（External Collections）：支持通过 extfs.endpoint_url 自定义 S3 兼容端点（v3.0.2 发行说明）；
  • Storage V2 支持（v3.0.2）；官方文档提示 Storage V3 默认关闭、启用前需核对兼容性（install_standalone-docker.md）。

4.3 性能与稳定性

  • v3.0.2 聚焦搜索/查询性能：消除过滤搜索、group-by、索引构建热路径上的锁竞争（其中标量过滤求值路径的原子引用计数热点约占叶节点 CPU 时间的 48%），并降低写放大（v3.0.2 发行说明实查）；
  • RESTful v2 DQL 端点新增准入控制：代理查询队列满时在解码请求前返回 HTTP 429 并附 Retry-After（v3.0.2 发行说明）。

4.4 版本节奏

3.0.0（2026-07-29）→ 3.0.1（2026-09-09）→ 3.0.2（2026-09-20）→ 3.0.3（2026-10-14，说明未随发），补丁周期约 2–6 周；2.6 维护线同周期滚动（2.6.21 → 2.6.25），官方以「双线并行」持续交付（GitHub Releases 实查）。

五、快速上手

以下步骤转述自官方文档《Run Milvus in Docker (Linux)》（https://milvus.io/docs/install_standalone-docker.md ），本文不做本地实测。

5.1 一键启动 Standalone

curl -sfL https://raw.githubusercontent.com/milvus-io/milvus/master/scripts/standalone_embed.sh -o standalone_embed.sh
bash standalone_embed.sh start

5.2 启动后

  • 容器 milvus-standalone 运行，gRPC 服务端口 19530；
  • 内嵌 etcd 于同容器 2379 端口，配置映射至 embedEtcd.yaml；
  • 数据卷位于 volumes/milvus；WebUI 位于 http://127.0.0.1:9091/webui/。

5.3 配置与升级

  • 自定义配置写入当前目录 user.yaml 后重启生效；升级使用 bash standalone_embed.sh upgrade（自动拉取最新镜像并保留数据）；停止/删除为 stop/delete 子命令（官方文档）。

本站已实测的容器化部署与分布式伪集群方案见 《Milvus Docker Compose 部署指南》。

六、适用场景与限制

6.1 适用场景

  • 大规模向量检索与 RAG 知识库：分布式架构 + 对象存储底座，面向亿级以上向量规模（官方定位）。
  • 混合查询：向量 + 标量/文本/JSON 过滤组合，多向量联合检索。
  • 云原生生产环境：Kubernetes/Helm 部署、可替换 MQ 与对象存储、Prometheus 观测配套完整。
  • 需要多种语言 SDK 的团队：官方同步维护 Python/Node.js/Java/Go SDK（v3.0.2 发行说明版本对应表）。

6.2 限制与注意事项

  • 组件栈相对重：完整分布式形态涉及消息队列、对象存储、元数据存储等外部依赖；3.0.2 起 Standalone 默认 Woodpecker + 内嵌 etcd 已明显简化，但生产化仍需按官方文档核对依赖矩阵。
  • 版本演进快：3.0 系列月度级发版，升级前应核对发行说明与 Storage V2/V3 等特性开关状态（官方文档明确 Storage V3 默认禁用）。
  • v3.0.3 发行说明尚未发布（2026-10-19 实查），生产采用建议锁定有完整说明的 v3.0.2 并跟踪官方更新。
  • 向量库选型需结合数据规模、过滤复杂度与运维预算综合评估，非「越大越好」。

七、同类选型对比

7.1 候选概览

工具定位开源许可
Milvus 3.0云原生分布式向量数据库Apache-2.0
Qdrant 1.19Rust 单二进制向量搜索引擎Apache-2.0
Weaviate 1.40模块化混合检索向量数据库BSD-3-Clause（wl/ 目录为 Weaviate 企业许可）
pgvector 0.8PostgreSQL 向量扩展PostgreSQL License
Elasticsearch 9.5分布式搜索/分析引擎（含向量检索）AGPL-3.0 / Elastic License 2.0（仓库 LICENSE 口径）
Chroma 1.5AI 原生嵌入式检索库/服务Apache-2.0

7.2 量化对比（2026-10-19 实查）

维度Milvus 3.0.3/3.0.2Qdrant 1.19.2Weaviate v1.40.1pgvector 0.8.7Elasticsearch 9.5.5Chroma 1.5.9
GitHub stars35455（milvus-io/milvus，GitHub API）约 3.4 万（第三方 2026-08-19 快照 34062；官网自述 29K）16890（weaviate/weaviate，GitHub API）约 2.3 万（atlan.com 2026-09 口径 23061）71500+（Elastic 官方博客统计；第三方 2026 快照约 7.6 万）29527（chroma-core/chroma，GitHub API）
最近发版v3.0.3（2026-10-14）；2.6.25（2026-09-29）v1.19.2（2026-10-05；1.19.1 为 2026-09-04）v1.40.1（2026-10-13；1.40.0 为 2026-10-07）v0.8.7（2026-10-01；0.8.6 为 2026-07-29）v9.5.5（发行记录更新 2026-10-06；9.4 线并行）1.5.9（2026-05-05，最新稳定 tag；main 滚动 dev 1.5.10.dev）
版本节奏3.0/2.6 双线并行，月度级补丁minor 约 4–5 周一个，2026 年至 1.191.x minor 约月度，补丁密集0.x 小步快跑，2026 年 6 月起补丁密集9.5/9.4 双线并行补丁稳定 tag 节奏放缓，CI 滚动 dev 镜像
技术栈GoRustGoC（PG 扩展）Java（Lucene）Rust
形态侧重分布式大规模 + 云原生组件栈轻量单二进制、嵌入式友好混合检索 + 模块化向量化集成复用既有 PostgreSQL全文检索生态 + 向量能力一体化嵌入式/原型友好
兼容矩阵要点依赖 MQ/对象存储/etcd 可替换（Woodpecker 默认）单二进制 + REST/gRPC单二进制 + GraphQL/gRPC/REST随 PostgreSQL 版本JVM 生态Python/JS 客户端，pip 镜像多架构

（stars 与发版时间以 GitHub Releases/Atom 与 GitHub API 实查为准，查询日期 2026-10-19；Qdrant/pgvector/Elasticsearch 的 stars 因 API 限流采用第三方快照与官方博客口径，已在表内标注。）

7.3 选型建议

  • 面向亿级向量、多副本高可用、需要完整云原生组件栈与多语言 SDK 的生产系统，优先 Milvus。
  • 追求单二进制轻量部署、Rust 性能与嵌入式场景，可选 Qdrant。
  • 以混合检索（向量 + BM25 类关键词）与模块化嵌入集成为核心诉求，选 Weaviate（注意其 wl/ 目录企业功能的许可边界）。
  • 数据已在 PostgreSQL、规模中小且希望运维栈最小化，直接用 pgvector 最经济。
  • 已有 Elastic 栈、希望全文检索与向量检索一体化承载，可评估 Elasticsearch（许可为 AGPL-3.0/Elastic License 双口径，商用前需法务确认）。
  • Python 原型验证、个人项目或轻量 RAG demo，Chroma 上手最快（注意其稳定 tag 更新节奏放缓、main 分支为滚动 dev）。本站同类文档可参考 《Chroma 1.5.9 介绍与选型指南》 与 《Elasticsearch 9.5.5 介绍与选型指南》。

八、参考链接