原文: https://mp.weixin.qq.com/s/v3qLPwurhCtk7cJUzjN8tQ
Milvus向量数据库：高性能、多特性，助力AI应用开发新潮流！
milvus 是一个高性能、云原生的向量数据库，专为可扩展的近似最近邻（ANN）搜索设计。简单讲，它能快速查找相似的向量数据，比如用于图片、文本或语音的相似性搜索。适用人群：AI开发者、机器学习工程师、需要处理大规模向量检索的技术团队。
项目地址：https://github.com/milvus-io/milvus
主要语言：Go
stars: 38.7k
核心功能
Milvus 是一个高性能的向量数据库，专为大规模数据设计。它能够高效地组织和搜索海量的非结构化数据，如文本、图像和多模态信息，为 AI 应用提供强大支持。
代码架构特点
- 采用 Go 和 C++ 编写，实现了 CPU/GPU 的硬件加速，以达到一流的向量搜索性能。
- 拥有完全分布式和 K8s 原生架构，可进行水平扩展，能处理数十亿向量上的数万个搜索查询，并通过实时流更新保持数据的新鲜度。
- 支持单机部署的独立模式，还有轻量级版本 Milvus Lite，可通过
pip install在 Python 中快速启动。
优势
- 高性能与高可用性：分布式架构将计算和存储分离，可根据不同的工作负载独立增加查询节点或数据节点，实现最佳性能。K8s 上的无状态微服务支持快速故障恢复，确保高可用性。对副本的支持进一步增强了容错能力和吞吐量。
- 支持多种向量索引类型和硬件加速：分离系统和核心向量搜索引擎，支持多种针对不同场景优化的向量索引类型，如 HNSW、IVF、FLAT 等，还支持基于量化和 mmap 的变体。对高级功能如元数据过滤和范围搜索进行了优化，并实现了硬件加速，支持 GPU 索引。
- 灵活的多租户和冷热存储：支持在数据库、集合、分区或分区键级别进行隔离的多租户策略，允许单个集群处理大量租户，确保优化的搜索性能和灵活的访问控制。通过冷热存储机制，可显著降低成本，同时为关键任务保持高性能。
- 支持稀疏向量进行全文搜索和混合搜索：除了通过密集向量进行语义搜索外，还原生支持使用 BM25 进行全文搜索以及学习的稀疏嵌入，如 SPLADE 和 BGE - M3。用户可以在同一集合中存储稀疏向量和密集向量，并定义函数对多个搜索请求的结果进行重新排序。
- 数据安全和细粒度访问控制：通过强制用户认证、TLS 加密和基于角色的访问控制（RBAC）确保数据安全。用户认证确保只有具有有效凭证的授权用户才能访问数据库，TLS 加密保护网络内的所有通信。RBAC 允许根据用户角色分配特定权限，实现细粒度的访问控制。
应用场景
- 文本和图像搜索：可以高效地搜索文本和图像数据，为用户提供快速准确的搜索结果。
- 检索增强生成（RAG）：帮助在生成模型中引入相关的外部知识，提高生成内容的质量和准确性。
- 推荐系统：通过对用户行为和物品特征的向量表示进行搜索和匹配，为用户提供个性化的推荐。
快速开始
可以通过 pip install -U pymilvus 安装 Milvus 的 Python SDK pymilvus，并使用 MilvusClient 创建客户端。可以创建本地向量数据库，也可以连接到已部署的 Milvus 服务器或 Zilliz Cloud。之后可以创建集合、插入数据并进行向量搜索。
生态系统和集成
Milvus 与一系列 AI 开发工具集成，如 LangChain、LlamaIndex、OpenAI 和 HuggingFace，是生成式 AI 应用的理想向量存储。它还提供了方便的实用工具 pymilvus[model]，用户可以使用简单的包装代码将非结构化数据转换为向量嵌入，并利用重排序模型优化搜索结果。此外，Milvus 生态系统还包括用于 GUI 管理的 Attu、用于系统调试的 Birdwatcher、用于监控的 Prometheus/Grafana 等。
Tracy Profiler：实时纳秒级游戏及应用程序性能分析神器！
tracy 是一个用于帧性能分析的工具。简单讲，它能帮助开发者实时监控和优化程序的性能瓶颈，特别是图形渲染和游戏开发中的帧率问题。适用人群：游戏开发者、图形程序员、性能优化工程师。
项目地址：https://github.com/wolfpld/tracy
主要语言：C++
stars: 13.2k
Tracy Profiler 是一款用于游戏和其他应用程序的实时、纳秒级分辨率、远程遥测、混合帧和采样分析器。以下是对该项目的详细介绍：
核心功能
- 多语言 CPU 分析：直接支持 C、C++、Lua、Python 和 Fortran 语言的集成，同时网络上也存在许多其他语言的第三方绑定，如 Rust、Zig、C#、OCaml、Odin 等。
- GPU 分析：支持所有主流图形 API，包括 OpenGL、Vulkan、Direct3D 11/12、Metal、OpenCL 和 CUDA。
- 其他分析功能：可以对内存分配、锁、上下文切换进行分析，还能自动将截图与捕获的帧关联起来。
优势
- 高分辨率：具备纳秒级的分辨率，能够提供非常精确的性能分析数据。
- 实时性：可以实时获取应用程序的性能数据，方便开发者及时发现和解决问题。
- 远程遥测：支持远程分析，方便对不同环境下的应用程序进行性能分析。
- 多平台和多语言支持：不仅支持多种主流图形 API，还能与多种编程语言集成，具有广泛的适用性。
应用场景
- 游戏开发：在游戏开发过程中，通过分析 CPU 和 GPU 的性能，优化游戏的帧率和响应速度，提升玩家的游戏体验。
- 其他应用程序开发：对于其他需要高性能的应用程序，如图形处理软件、科学计算程序等，也可以使用 Tracy Profiler 进行性能分析和优化。
相关资源
- 文档：提供了使用说明和构建过程的详细文档，可从 这里 下载。
- 版本发布：包含文档（
tracy.pdf）和编译好的 Windows x64 二进制文件（Tracy-<version>.7z），可在 Releases 页面获取。 - 更新日志：记录了项目的更新历史，可查看 Changelog。
- 交互式演示：可以通过 这里 进行交互式演示，直观了解 Tracy Profiler 的功能。
- 视频教程：提供了多个版本的介绍视频，包括 An Introduction to Tracy Profiler in C++ - Marcos Slomp - CppCon 2023 以及不同版本新特性介绍视频，如 v0.2 - v0.8 版本。
