安装部署milvus单机版(快速体验)

简介: 安装部署milvus单机版(快速体验)

使用Docker Compose安装 Milvus standalone(即单机版),进行一个快速milvus的体验。
前提条件:
1.系统可以使用centos或者ubuntu
2.系统已经安装docker和docker-compose
3.milvus版本这里选择2.3.1

启动etcd、minio、milvus

由于milvus依赖etcd和minio,因此需要先启动这2个组件。同样也使用docker进行启动。
etcd:用来存储milvus的元数据。
minio:用来存储milvus的向量数据和索引数据。
下载milvus-standalone-docker-compose.yml 文件,保存为docker-compose.yml:

wget https://github.com/milvus-io/milvus/releases/download/v2.3.1/milvus-standalone-docker-compose.yml -O docker-compose.yml

这里经过了一定修改,让其更加方便使用。
这个yml文件里面定义了etcd、minio、milvus的启动参数。
修改后的docker-compose.yml文件内容如下:

version: '3.5'

services:
  etcd:
    container_name: milvus-etcd
    image: quay.io/coreos/etcd:v3.5.5
    environment:
      - ETCD_AUTO_COMPACTION_MODE=revision
      - ETCD_AUTO_COMPACTION_RETENTION=1000
      - ETCD_QUOTA_BACKEND_BYTES=4294967296
      - ETCD_SNAPSHOT_COUNT=50000
    volumes:
      - ${
   
   DOCKER_VOLUME_DIRECTORY:-.}/volumes/etcd:/etcd
    ports:
      - "2379:2379"
    command: etcd -advertise-client-urls=http://127.0.0.1:2379 -listen-client-urls http://0.0.0.0:2379 --data-dir /etcd
    healthcheck:
      test: ["CMD", "etcdctl", "endpoint", "health"]
      interval: 5s
      timeout: 3s
      retries: 10

  minio:
    container_name: milvus-minio
    image: minio/minio:RELEASE.2023-03-20T20-16-18Z
    environment:
      MINIO_ACCESS_KEY: minioadmin
      MINIO_SECRET_KEY: minioadmin
    ports:
      - "9001:9001"
      - "9000:9000"
    volumes:
      - ${
   
   DOCKER_VOLUME_DIRECTORY:-.}/volumes/minio:/minio_data
    command: minio server /minio_data --console-address ":9001"
    healthcheck:
      test: ["CMD", "curl", "-f", "http://localhost:9000/minio/health/live"]
      interval: 5s
      timeout: 3s
      retries: 10

  standalone:
    container_name: milvus-standalone
    image: milvusdb/milvus:v2.3.1
    command: ["milvus", "run", "standalone"]
    environment:
      ETCD_ENDPOINTS: etcd:2379
      MINIO_ADDRESS: minio:9000
    volumes:
      - ${
   
   DOCKER_VOLUME_DIRECTORY:-.}/volumes/milvus:/var/lib/milvus
    healthcheck:
      test: ["CMD", "curl", "-f", "http://localhost:9091/healthz"]
      interval: 30s
      start_period: 90s
      timeout: 20s
      retries: 3
    ports:
      - "19530:19530"
      - "9091:9091"
    depends_on:
      - "etcd"
      - "minio"

networks:
  default:
    name: milvus

然后后台启动这些容器:

docker-compose up -d
-d 代表后台启动

其它一些相关命令:

docker-compose ps  查看容器
docker-compose stop 停止容器
docker-compose start 启动容器
docker-compose down  停止并删除容器(特别注意以免误删容器)

使用ps命令查看容器:
如果看到healthy状态,说明容器内的服务可以正常使用了。
111.png
这时候已经完成milvus服务的启动。如果想查看milvus的日志,可以使用如下命令:

docker logs -f milvus-standalone

milvus-standalone为容器的名称。

启动attu

attu为milvus的一款图形化管理工具,非常方便对milvus的一些管理。
启动attu:

docker run -d \
--name=attu \
-p 8000:3000 \
-e MILVUS_URL=192.168.230.71:19530 \
zilliz/attu:v2.3.1

web访问地址:

http://192.168.230.71:8000/

222.png
333.png
到这里我们就完成了整个standalone的安装部署过程。
我们还可以访问minio对象存储的管理界面,查看milvus存储内容。

http://192.168.230.71:9001/

账户和密码:minioadmin
444.png

目录
相关文章
|
消息中间件 Kubernetes 数据安全/隐私保护
milvus本地集群部署(非k8s)
milvus本地集群部署(非k8s)
1521 0
|
存储 SQL API
milvus insert api流程源码分析
milvus insert api流程源码分析
787 3
|
4月前
|
人工智能 运维 算法
轻量化起步,更低门槛上手向量检索 —— 阿里云 Milvus 单机版正式上线!
AI时代向量检索成刚需,但部署成本高、运维难。阿里云Milvus单机版正式上线:一键开通、4CU起配、支持900万级向量,月付仅628元起,适合初创、开发者及中小项目快速验证RAG、语义搜索等场景,未来可平滑升级至集群版。(239字)
|
Shell 开发工具 数据安全/隐私保护
milvus单节点安装教程
本文介绍了Milvus的安装与鉴权配置步骤。首先通过下载并执行.sh文件完成安装,命令为`wget`下载脚本和`bash standalone_embed.sh start`启动服务。若需开启鉴权,建议修改外部配置文件`user.yaml`中的`authorizationEnabled`选项为`true`,重启容器后,默认用户名密码为root/Milvus。此外,提供了Python验证连接的方法及修改密码的示例。参考资料包括官方文档和视频教程。
|
5月前
|
并行计算 API Docker
Docker+vLLM内网离线部署Qwen3 流程
本教程详解如何在A10四卡内网环境中,通过Docker+ vLLM离线部署Qwen3-32B/Qwen3-VL-30B-Instruct大模型。涵盖环境准备、镜像离线导入、模型下载、容器启动及参数调优,支持FP8/KV缓存/张量并行等高性能配置,助力安全高效私有化推理
6616 8
|
7月前
|
Linux Docker 容器
docker下部署 vLLM 启动Qwen3-VL-32B-Instruct模型
本文介绍在CentOS系统、A10 6×24G显卡环境下,通过Docker部署vLLM并启动Qwen3-VL-32B-Instruct大模型的完整流程,涵盖镜像拉取、容器配置、多卡并行与显存优化设置,支持32K上下文,附带启动脚本及调用验证示例。
8721 2
|
10月前
|
存储 JSON 对象存储
零门槛玩转向量引擎!阿里云 Milvus 无代码全流程实操指南
阿里云Milvus版是企业级向量引擎,支持非结构化数据语义检索。全托管架构、开源兼容,助力智能驾驶、电商推荐、智能客服等场景实现毫秒级精准匹配,无代码操作让AI落地更高效。
1272 0
|
11月前
|
人工智能 自然语言处理 Java
从青铜到王者,DeepSeek+Spring AI 搭建 RAG 知识库
本文介绍了基于RAG(检索增强生成)技术构建知识库的原理与实现方法。RAG通过结合检索与生成模型,提升大语言模型在问答任务中的准确性与相关性,有效缓解“幻觉”问题。文章还详细讲解了如何利用DeepSeek与SpringAI搭建高效RAG系统,并提供了完整的Java代码示例,帮助开发者快速实现文档处理、向量存储与智能问答功能。适用于智能客服、内容生成、辅助决策等多个场景。
2425 2
|
12月前
|
人工智能 自然语言处理 Serverless
阿里云 Milvus 轻松实现文搜图&图搜图
阿里云Milvus是一款高性能、易扩展的云原生向量检索引擎,适用于推荐系统、图像检索、自然语言处理等AI场景。它支持海量向量数据实时召回,并提供直观API和多语言SDK。结合阿里云百炼模型服务与函数计算,可轻松实现文搜图、图搜图等多模态检索应用,助力企业高效开发智能搜索系统。