Milvus 发布了 0.71 版本。Milvus 向量搜索引擎能够帮助用户轻松应对海量非结构化数据（图片/视频/语音/文本）检索。单节点 Milvus 可以在秒内完成十亿级的向量搜索，分布式架构亦能满足用户的水平扩展需求。

| 版本兼容

| 新增功能

针对 FLAT 索引类型，新增子结构（substructure）和超结构（superstructure）距离计算方式。这两种距离计算方式常用于化学分子式的子结构和超结构搜索。

改善了 Compact 操作的性能。issue# 1619
改善了 Milvus 使用 CPU 进行查询的性能，特别是提高了在多连接并发场景下的

查询性能。issue#267
改善了 nq 小于 CPU 线程数时 Milvus 的搜索性能。pull#1690
对于多个客户端的相同查询请求，Milvus 会将进行合并查询，从而显著提高查询

速度。issue#1728

扫描二维码关注公众号，回复： 10402545 查看本文章
Mishards 同步升级到 0.7.1。issue#1698

我们对 0.7.0 版本与 0.7.1 版本在单进程和多并发情况下的 QPS （Queries per Second，每秒钟查询数）进行了测试。结果表明，0.7.1 版本无论在单进程还是多并发情况下都有较大的性能提升，在多并发条件下的性能提升尤其显著。

测试条件

CPU	Intel i7-8700 3.20GHz 12 core
GPU	GeForce GTX 1660 6GB
内存	32 GB
Milvus 元数据管理数据库	MySQL
Milvus 类型	支持 GPU 的 Milvus
客户端	C++ SDK
查询数据集规模	1,000,000
索引类型	IVFSQ8
向量距离	欧氏距离（L2）
向量维度	128
nq （目标向量个数）	1
topk（查询结果中作为结果的向量个数）	10
nprobe（查询时所涉及的向量类的个数）	16
nlist（建立索引时对向量数据文件进行聚类运算的分簇数）	16384
index_file_size（自动创建索引的数据文件大小）	1024 MB
查询次数	1000

性能对比

有任何问题吗？可以来 GitHub 帮我们提个 issue 或是加入 Milvus 线上交流群。你们的反馈是社区不断进步的动力！

| 欢迎加入 Milvus 社区

github.com/milvus-io/milvus | 源码

milvus.io | 官网

milvusio.slack.com | Slack 社区

zhihu.com/org/zilliz-11/columns | 知乎

zilliz.blog.csdn.net | CSDN 博客