Milvus 向量数据库有三种部署方式：Milvus Lite、Milvus Standalone 和 Milvus Distributed，用于支持不同的使用场景和数据规模。不同部署模式均提供相同的客户端应用程序接口。
1. 简要说明 Milvus Lite Milvus Lite是milvus的 Python 库，可导入现有的应用程序中进行集成。作为 Milvus 的轻量级版本，非常适合在 Jupyter 笔记本或资源有限的智能设备上运行测试和开发。
要将 Milvus Lite 集成到应用程序中，请运行pip install pymilvus进行安装，并使用MilvusClient("./demo.db")语句实例化一个带有本地文件的向量数据库，以持久化所有数据。
Milvus 单机版 Milvus Standalone是单机服务器部署。Milvus Standalone 的所有组件都打包到一个Docker 镜像中，部署起来非常方便。如果你有生产工作负载，但又不想使用 Kubernetes，那么在内存充足的单机上运行 Milvus Standalone 是一个不错的选择。此外，Milvus Standalone 通过主从复制支持高可用性。
分布式 Milvus Milvus Distributed可部署在Kubernetes集群上。这种部署采用云原生架构，摄取负载和搜索查询分别由独立节点处理，允许关键组件冗余。它具有最高的可扩展性和可用性，并能灵活定制每个组件中分配的资源。Milvus Distributed是在生产中运行大规模向量搜索系统的企业用户的首选。
2. 如何选择适合你的部署方式 Milvus 部署模式的选择可以从项目的阶段和规模两方面进行选型。
项目阶段 根据应用程序的开发阶段进行选择：
1. 用于快速原型开发
如果时快速构建原型或用于学习，如检索增强生成（RAG）演示、人工智能聊天机器人、多模态搜索，Milvus Lite 本身或 Milvus Lite 与 Milvus Standalone 的组合都很适合。可以在笔记本中使用 Milvus Lite 进行快速原型开发，并探索各种方法，如 RAG 中的不同分块策略。或者您可能希望在小规模生产中部署用 Milvus Lite 构建的应用程序，为真正的用户提供服务，或在更大的数据集（例如超过几百万个向量）上验证想法。Milvus Standalone 是合适的选择。Milvus Lite 的应用逻辑仍可共享，因为所有 Milvus 部署都有相同的客户端应用程序接口。Milvus Lite 中存储的数据也可以通过命令行工具移植到 Milvus Standalone 中。
2. 小规模生产部署
对于早期生产阶段，当项目仍在寻求产品与市场的契合，敏捷性比可扩展性更重要时 ，Milvus Standalone 是最佳选择。只要有足够的机器资源，它仍然可以扩展到 1 亿向量，同时对 DevOps 的要求也比维护 K8s 集群低得多。
3. 大规模生产部署
当你的业务快速增长，数据规模超过单台服务器的容量时，是时候考虑 Milvus Distributed 了。你可以继续使用Milvus Standalone作为开发或暂存环境，并操作运行Milvus Distributed的K8s集群。这可以支持你处理数百亿个向量，还能根据你的特定工作负载（如高读取、低写入或高写入、低读取的情况）灵活调整节点大小。
4. 边缘设备上的本地搜索
对于在边缘设备上通过私有或敏感信息进行搜索，可以在设备上部署 Milvus Lite，而无需依赖基于云的服务来进行文本或图像搜索。这适用于专有文档搜索或设备上对象检测等情况。
项目数据集规模 根据你的项目数据集规模，选择适合你的部署方式。
Milvus Lite建议用于较小的数据集，多达几百万个向量。 Milvus Standalone适用于中型数据集，可扩展至 1 亿向量。 Milvus Distributed 专为大规模部署而设计，能够处理从一亿到数百亿向量的数据集。 3. 功能比较 对于数据类型和搜索功能，三种部署模式是一致的。单机版和分布式部署提供了更多的客户端支持、更多的数据管理功能等。
Python Python 密集向量 密集向量 密集向量 向量搜索（ANN 搜索） 向量搜索（ANN 搜索） 向量搜索（ANN 搜索）
