本月举行的全球数据库顶会 VLDB 上，Zilliz 与哈佛大学、卡内基梅隆大学、清华大学、微软等多家高校与企业受邀介绍最新研究进展，分享了将机器学习方法应用到数据库系统的经验。Zilliz 高级研究员易小萌介绍了开源向量数据库 Milvus 的开发背景、设计思路，以及开发过程中遇到的挑战与技术创新点。
VLDB 与 SIGMOD 和 ICDE 是数据库领域久负盛名的三大顶会。此前，由 Zilliz 研发团队贡献的研究成果 Milvus: A Purpose Built Vector Data Management System 因其底层功能过硬、业务场景完善，而被 SIGMOD 评委会相中，收录为今年 21 篇工业界论文之一。人们每时每刻都在生产大量的图像、音频、视频数据，其中超过 80%的数据都是处理难度较大的非结构化数据，而传统的数据库只能存放有限的、经过提取和加工后的数据。对此，Milvus 团队的工程师们设想了一种可能：尽管数据具有不同的类型，在语义（Semantics）层面上可以用向量对数据进行统一的表示。易小萌谈到，如果使用 AI 神经网络模型提取数据类型的语义，将其以向量的形式统一呈现，许多数据的处理逻辑可以直接在向量上执行。Milvus 专为分析和检索海量特征向量而设计，提供完整的向量数据更新、索引与查询框架，在满足动态数据实时搜索的同时，也能满足实际业务中多样化的查询需求。目前，Milvus 已经发布 1.0 单机版与 2.0 分布式版两个版本，所有代码完全开源，已被广泛应用于人工智能前沿领域，经过了全球 1000 家用户的实践验证，性能大幅超越同类向量检索系统。在分享中，易小萌介绍了 Milvus 2.0 云原生优先、日志即数据、批流一体的设计理念，在初代的基础上，Milvus 2.0 为用户提供智能、稳定、流畅的查询体验。面对数据库构建中索引的选择和数据调优两大挑战，易小萌相信 AI 能够提供可能的解决方案。例如，先在小数据集上进行评估新配置，再将结果转移到大数据集，让机器学习已有的数据集，用它来指导新数据集进行配置，从而达到比目前的 BOHB 算法更优的解法。
想知道更多干货内容？戳 OSCHINA 网站上的干货分享版！https://my.oschina.net/u/4209276/blog/5207483（长按复制链接到浏览器）
Zilliz 高级研究员、研究团队负责人、华中科技大学计算机系统结构博士。主要工作领域为向量近似搜索算法和分布式系统的资源调度，相关研究成果在 IEEE Network Magazine、IEEE/ACM TON、ACM SIGMOD、IEEE ICDCS、ACM TOMPECS 等计算机领域国际顶级会议与期刊上发表。Milvus 文档链接奉上：https://milvus.io/cn/docs/home关于 Milvus 的未来的更多规划，欢迎大家通过 Roadmap 项目来了解：https://milvus.io/docs/v2.0.0/roadmap.md最后感谢 Milvus 社区的 147 位贡献者 ❤️ 有了他们才有了今日的 Milvus 2.0。也欢迎大家开 issue 吐槽，或是加入社区一起贡献：https://milvus.io/community
Github @Milvus-io|CSDN @Zilliz Planet|Bilibili @Zilliz-PlanetZilliz 以重新定义数据科学为愿景，致力于打造一家全球领先的开源技术创新公司，并通过开源和云原生解决方案为企业解锁非结构化数据的隐藏价值。
Zilliz 构建了 Milvus 向量数据库，以加快下一代数据平台的发展。Milvus 目前是 LF AI & Data 基金会的毕业项目，能够管理大量非结构化数据集。我们的技术在新药发现、计算机视觉、推荐引擎、聊天机器人等方面具有广泛的应用。
