Milvus向量数据库 --- 01 基本词汇概念

Schema：Milvus向量数据的库的Schema是指向量数据的模式定义，包括向量的维度、向量数据类型、索引类型等。Schema是Milvus中非常重要的概念，它定义了向量数据的基本属性和特征。
Segment：Milvus向量数据的库中，Segment是指向量数据的分段存储。向量数据被分为多个Segment，每个Segment可以包含一定数量的向量数据，这样可以便于管理和查询向量数据。
Index：在Milvus中，Index是指对向量数据进行预处理和优化的技术，可以大大提高向量数据的查询效率。Milvus支持多种不同的索引类型，包括IVF、HNSW等，并且支持自定义的索引类型。
Vector：在Milvus中，Vector是指向量数据的一种数据类型，它是由多个数值组成的数组，每个数值表示向量在一个维度上的取值。Milvus支持多种不同的向量数据类型，包括float、int等。
Metric：在Milvus中，Metric是指用于衡量向量相似度的方法。Milvus支持多种不同的Metric，包括L2、IP等，用户可以根据不同的应用场景选择不同的Metric。
Collection：在Milvus中，Collection是指向量数据的逻辑集合，可以包含多个Segment。用户可以在一个Collection中进行查询和管理多个Segment中的向量数据。
Query：在Milvus中，Query是指对向量数据进行的查询操作。Milvus支持多种不同的查询方法，包括向量相似度查询、范围查询等，用户可以根据不同的应用场景选择不同的查询方法。
Client：在Milvus中，Client是指与Milvus服务器进行交互的客户端程序。用户可以使用Milvus提供的各种Client SDK，如Python SDK、Java SDK等，来进行向量数据的操作和查询。
Index Builder：在Milvus中，Index Builder是指用于构建和训练索引的模块。Index Builder可以自动选择最优的索引类型和参数，也可以根据用户的需求进行自定义设置。
Vector Encoding：在Milvus中，Vector Encoding是指将向量数据以一定的方式进行编码，以便于存储和查询。Milvus支持多种不同的Vector Encoding算法，包括PCA、SIFT等。
Query Result：在Milvus中，Query Result是指查询操作返回的结果。Query Result包含了与查询条件匹配的向量数据和相应的距离值，用户可以根据距离值进行排序和过滤。
Partition：在Milvus中，Partition是指对Collection中的向量数据进行分组管理的方式。用户可以将向量数据按照某个属性进行分组，这样可以更加高效地进行查询和管理。
Server：在Milvus中，Server是指运行Milvus服务的主机。用户可以在自己的服务器上部署和运行Milvus服务，也可以使用Milvus提供的云服务。
Load Balancer：在Milvus中，Load Balancer是指用于实现负载均衡的模块。Load Balancer可以自动地将查询请求分发到不同的服务器上，以提高整个系统的查询效率。
Cluster：在Milvus中，Cluster是指由多个Milvus服务器组成的集群。用户可以使用Milvus构建一个分布式的向量数据存储和查询系统，以满足大规模的应用需求。
Namespace：在Milvus中，Namespace是指对Collection进行命名空间隔离的方式。用户可以在同一个Milvus服务器中创建多个Namespace，每个Namespace中包含多个Collection，实现对向量数据的更细粒度管理。
Data Migration：在Milvus中，Data Migration是指将向量数据从一个服务器或集群迁移到另一个服务器或集群的过程。Milvus提供了多种不同的数据迁移工具和方式，使得用户可以在不同的环境中灵活地管理和使用向量数据。
Snapshot：在Milvus中，Snapshot是指对向量数据进行快照备份的方式。Snapshot可以将向量数据的状态和配置信息保存到一个文件中，以便于在需要时进行恢复和迁移。
Replica：在Milvus中，Replica是指对数据进行备份和冗余存储的方式。Milvus支持多种不同的Replica方式，包括Master-Slave和Peer-to-Peer等，以提高数据的可靠性和可用性。
Life Cycle：在Milvus中，Life Cycle是指向量数据的生命周期管理。用户可以按照需求创建、删除、修改和归档Collection，以便于对向量数据进行更加有效的管理和利用。