Milvus utilizează o arhitectură distribuită scalabilă orizontal în care datele unei colecții sunt fragmentate în partiții logice și segmente fizice de date. O partiție (Partition) permite izolarea fizică a vectorilor pe criterii de business (cum ar fi chiriașul multi-tenant, anul fiscal sau categoria de produse), optimizând radical performanța căutărilor prin eliminarea citirilor nenecesare (partition pruning).
Exemplu de gestionare a partițiilor în PyMilvus:
from pymilvus import Collection
collection = Collection("contracte_juridice")
# Crearea unei partiții fizice dedicate
collection.create_partition("client_ro_2026")
# Încărcarea exclusivă a partiției în RAM pentru economisire de resurse
collection.load(partition_names=["client_ro_2026"])
print("Partiție încărcată în memorie.")Fiecare partiție este alcătuită din mai multe segmente (Segmente Growing și Sealed). Când un segment atinge pragul configurat (de regulă 512 MB), este sigilat și indexat automat în background cu algoritmi precum HNSW sau ScaNN, asigurând integritate și viteze maxime de scanare paralelă.
Întrebări & Exemple practice:
Milvus: Colecții, Partiționare Fizică și SegmenteAi o întrebare despre Milvus: Colecții, Partiționare Fizică și Segmente sau ai descoperit un truc, prompt sau fragment de cod util? Distribuie-l cu ceilalți membri ai comunității!
Fii primul care pune o întrebare sau distribuie un fragment de cod / prompt!
Nu au fost adăugate încă întrebări sau resurse pentru această pagină. Dacă ai testat un prompt sau ai un snippet util, adaugă-l mai jos pentru comunitate.