soulteary/milvus

Embed Milvus 镜像文档

镜像概述

Embed Milvus 是一个用于快速搭建 Milvus 向量数据库学习环境的 Docker 镜像。它提供了 All in One 模式的 Milvus 实例，无需复杂配置即可快速启动，适用于学习向量数据库基础知识、体验 Milvus 核心功能或进行简单演示。

核心功能与特性

• 一键启动：通过简单命令即可启动完整的 Milvus 实例，无需额外配置
• 内置验证脚本：包含 hello-world.py 脚本，可快速验证 Milvus 服务可用性并演示基本数据操作
• 交互式环境：支持进入容器内的 Python 交互式环境，便于实时编写和测试代码
• 轻量便捷：适合本地学习和开发场景，资源占用低，易于部署和清理

使用场景

• 向量数据库初学者快速入门学习
• Milvus 基本功能演示与验证
• 简单向量检索、插入、查询等操作的实验环境
• 开发人员本地测试 Milvus 客户端代码

使用方法

启动 Milvus 实例

使用以下命令启动 All in One Milvus 实例：

bash
docker run --rm -it --name=milvus soulteary/milvus:embed-2.1.0

说明：--rm 参数表示容器退出后自动清理，-it 提供交互终端，--name=milvus 指定容器名称便于后续操作。

启动成功后，终端将显示以下日志信息，表示 Milvus 服务已就绪：

bash
---Milvus Proxy successfully initialized and ready to serve!---

验证 Milvus 服务可用性

1. 打开另一个终端窗口，执行以下命令运行内置验证脚本：

bash
docker exec -it milvus python hello-world.py

2. 脚本将自动执行以下操作并输出结果：
   • 连接 Milvus 服务
   • 创建集合 hello_milvus
   • 插入 3000 条随机向量数据
   • 创建 IVF_FLAT 索引
   • 执行向量相似度搜索
   • 执行条件查询（random > -14）
   • 执行混合搜索（random > -12）
   • 删除指定数据（pk in [0, 1]）
   • 删除集合 hello_milvus

示例输出片段：

bash
=== start connecting to Milvus     ===

Does collection hello_milvus exist in Milvus: False

=== Create collection `hello_milvus` ===

...

search latency = 0.2489s

进入交互式 Python 环境

若需自由探索 Milvus 功能，可通过以下命令进入容器内的 Python 交互式环境：

bash
docker exec -it milvus python

进入后，可参考 Milvus 官方文档 编写代码，体验向量数据库的各种操作。

注意事项

• 该镜像仅用于学习和测试，不适用于生产环境
• 容器重启后，所有数据将丢失（因未挂载持久化存储）
• 若需持久化数据，可通过 -v 参数挂载本地目录到容器内的数据路径