Chuyển đến nội dung

milvus-io / milvus

Milvus

Cơ sở dữ liệu vector mã nguồn mở để tìm kiếm theo ý nghĩa trên văn bản, hình ảnh ở quy mô lớn

Milvus là cơ sở dữ liệu vector (nơi lưu và tìm các dãy số biểu diễn ý nghĩa của văn bản, ảnh, âm thanh) viết bằng Go và C++, thuộc quỹ LF AI & Data. Nó dùng làm bộ nhớ cho ứng dụng AI như hỏi đáp tài liệu (RAG), tìm kiếm ngữ nghĩa và gợi ý sản phẩm, từ bản nhẹ chạy trong Python cho tới cụm máy chủ phân tán.

  • 46.669 sao
  • 4.332 fork
  • Go
  • Cập nhật hôm qua
  • Apache 2.0 (dùng tự do, kể cả thương mại)
Độ khó
Khó Dành cho người biết lập trình
Dạng
Thư viện lập trình, Web tự cài (self-host)
Chạy trên
Linux, macOS, Docker, Python
Chi phí
Miễn phí, có bản trả phí

Trải nghiệm khi dùng Milvus

Milvus không phải ứng dụng bấm chuột: đây là hạ tầng mà lập trình viên cắm vào sản phẩm của mình. Cách thử nhanh nhất theo README là cài thư viện Python pymilvus kèm Milvus Lite, một bản nhẹ lưu dữ liệu vào một file trên máy, rồi viết vài dòng mã để tạo bộ sưu tập (collection), thêm dữ liệu và tìm kiếm.

Khái niệm cần nắm khá đơn giản. Bạn dùng một mô hình nhúng (embedding) biến câu chữ thành dãy số, lưu cùng nội dung gốc vào Milvus. Khi người dùng hỏi, bạn cũng đổi câu hỏi thành dãy số và nhờ Milvus trả về những mục gần nghĩa nhất, kể cả khi không trùng từ khoá. Bạn còn lọc kết quả theo thuộc tính như chủ đề hay ngày đăng.

Khi dự án lớn lên, bạn chuyển sang chế độ Standalone (một máy, chạy bằng Docker) hoặc chế độ phân tán trên Kubernetes, dùng cùng một cách gọi. Cũng có thể dùng dịch vụ đám mây Zilliz Cloud do nhóm đóng góp chính cung cấp nếu không muốn tự vận hành.

Tính năng nổi bật

Ba cấp độ triển khai

Milvus Lite cài bằng pip để học và thử nghiệm, Standalone cho một máy chủ, và bản phân tán trên Kubernetes cho quy mô rất lớn.

Tìm kiếm vector và từ khoá kết hợp

Hỗ trợ vector dày để tìm theo ý nghĩa, vector thưa và BM25 để tìm theo từ khoá, rồi trộn kết quả (hybrid search).

Nhiều loại chỉ mục

Có HNSW, IVF, FLAT, SCANN, DiskANN và tăng tốc bằng GPU để cân bằng giữa tốc độ, độ chính xác và chi phí bộ nhớ.

Lọc theo thuộc tính

Lưu thêm số, chuỗi, JSON cùng vector và lọc kết quả theo chúng khi tìm kiếm.

Nhiều khách hàng trên một cụm

Cô lập dữ liệu theo database, collection hay partition, phù hợp phần mềm phục vụ nhiều khách.

Bảo mật

Có xác thực người dùng, mã hoá TLS và phân quyền theo vai trò (RBAC).

Tận dụng Milvus vào việc gì?

Lập trình viên, đội AI

Hỏi đáp tài liệu nội bộ (RAG)

Lưu các đoạn tài liệu đã nhúng vào Milvus để chatbot tìm đúng đoạn liên quan trước khi trả lời.

Sàn thương mại điện tử, shop online

Tìm sản phẩm theo ảnh hoặc mô tả

Cho khách tải ảnh hoặc gõ mô tả mơ hồ rồi trả về sản phẩm giống nhất trong danh mục.

Trang tin, nền tảng học trực tuyến

Gợi ý nội dung, bài viết liên quan

Tìm bài hoặc khoá học có nội dung gần với thứ người dùng đang xem.

Sinh viên, người mới học AI

Học cách xây hệ thống tìm kiếm ngữ nghĩa

Làm theo các hướng dẫn mẫu về RAG, tìm kiếm lai, tìm ảnh trong tài liệu chính thức để hiểu cách vector hoạt động.

Cần chuẩn bị gì?

  • Python để dùng thư viện pymilvus và Milvus Lite; biết lập trình cơ bản.
  • Để chạy Standalone cần Docker; để chạy phân tán cần Kubernetes và kinh nghiệm vận hành, xem tài liệu cài đặt ở milvus.io/docs.
  • RAM và ổ cứng tăng theo lượng dữ liệu và loại chỉ mục bạn chọn; tài liệu chính thức có phần ước lượng dung lượng.
  • Một mô hình nhúng để biến văn bản hoặc ảnh thành vector (tự chạy hoặc gọi dịch vụ).

Hướng dẫn cài đặt chi tiết

Cài trên Milvus Lite (pip)

  1. Cài Python rồi tạo môi trường ảo để gọn gàng. Trên Windows PowerShell kích hoạt bằng .venv\Scripts\Activate.ps1; macOS và Linux dùng source.

    Terminal
    python -m venv .venv
    source .venv/bin/activate
  2. Cài thư viện Python kèm bản Milvus Lite. README nói Milvus Lite là bản nhẹ, hợp để bắt đầu nhanh bằng pip; hãy kiểm tra trang tài liệu về hệ điều hành được hỗ trợ trước khi cài.

    Terminal
    pip install -U "pymilvus[milvus-lite]"
  3. Tạo kết nối: dùng một tên file cục bộ để Milvus Lite tự lưu dữ liệu vào đó (file này chính là cơ sở dữ liệu của bạn, nhớ sao lưu).

    Python
    from pymilvus import MilvusClient
    
    client = MilvusClient("milvus_demo.db")

Cài trên Máy chủ Standalone (Docker)

  1. Cần Docker trên Linux. Tải script cài Standalone chính thức và kiểm tra image nó dùng.

    Terminal
    curl -sfL https://raw.githubusercontent.com/milvus-io/milvus/master/scripts/standalone_embed.sh -o standalone_embed.sh
    grep -n "milvusdb/milvus:" standalone_embed.sh
  2. Khởi động container rồi chờ trạng thái sức khoẻ báo healthy trước khi dùng.

    Terminal
    bash standalone_embed.sh start
    docker inspect --format '{{.State.Health.Status}}' milvus-standalone
  3. Milvus lắng nghe ở cổng 19530 (etcd nhúng ở 2379). Dữ liệu nằm ở thư mục volumes/milvus trong thư mục hiện tại; cấu hình ghi đè đặt trong user.yaml cùng thư mục. Trang quản trị web ở địa chỉ dưới.

    Văn bản
    http://127.0.0.1:9091/webui/
  4. Kết nối từ Python. Chưa bật xác thực thì chỉ cần địa chỉ.

    Python
    client = MilvusClient(uri="http://localhost:19530")
  5. Dừng, khởi động lại (sau khi sửa user.yaml) hoặc xoá. Cẩn thận: lệnh delete xoá cả dữ liệu Milvus. Trước khi nâng cấp hãy sao lưu dữ liệu, embedEtcd.yaml và user.yaml, và thử trên môi trường không quan trọng; đừng áp dụng cách nâng cấp Docker Compose cho container do script quản lý.

    Terminal
    bash standalone_embed.sh stop
    bash standalone_embed.sh restart
    bash standalone_embed.sh delete
  6. Dùng cách Docker Compose nếu cần sao lưu trong chế độ standalone hoặc muốn cài đúng một bản phát hành; xem trang chính thức.

    Văn bản
    https://milvus.io/docs/install_standalone-docker.md
  7. Nếu không muốn tự vận hành, README còn nhắc dịch vụ trả phí Zilliz Cloud (có gói miễn phí để bắt đầu); khi đó kết nối bằng URI và token do dịch vụ cấp, điền vào chỗ có chữ in hoa.

    Python
    client = MilvusClient(
        uri="URI_CUA_BAN",
        token="TOKEN_CUA_BAN")

Dùng thử lần đầu

  1. Tạo một collection với số chiều vector khớp mô hình nhúng bạn dùng. Ví dụ dưới dùng 768 chiều như trong README.

    Python
    client.create_collection(
        collection_name="demo_collection",
        dimension=768,
    )
  2. Chuẩn bị dữ liệu gồm vector, nội dung và các thuộc tính, rồi chèn vào collection. Biến data là danh sách các bản ghi do bạn tự tạo từ mô hình nhúng.

    Python
    res = client.insert(collection_name="demo_collection", data=data)
  3. Tìm kiếm: đổi câu hỏi thành vector bằng chính mô hình nhúng đã dùng, rồi yêu cầu lấy các kết quả gần nhất.

    Python
    res = client.search(
        collection_name="demo_collection",
        data=query_vectors,
        limit=2,
        output_fields=["text", "subject"],
    )
  4. Làm theo các bài hướng dẫn trong phần Tutorials của tài liệu (RAG, tìm kiếm lai, tìm ảnh) để biến ví dụ nhỏ này thành một ứng dụng thật.

Mẹo dùng hay

  • Chọn mô hình nhúng trước rồi mới tạo collection: số chiều vector phải khớp, đổi mô hình sau này nghĩa là phải nhúng lại toàn bộ dữ liệu.
  • Thử với Milvus Lite cho đến khi logic ứng dụng ổn định, sau đó mới nâng lên Standalone hoặc cụm để tiết kiệm công vận hành.
  • Với tiếng Việt, hãy chọn mô hình nhúng hỗ trợ đa ngôn ngữ và thử chất lượng tìm kiếm trên dữ liệu thật của bạn.

Lưu ý và hạn chế

  • Đây là hạ tầng cho lập trình viên: không có giao diện bấm chuột để tìm tài liệu của bạn, bạn cần tự viết ứng dụng bên trên.
  • Chạy phân tán trên Kubernetes phức tạp và tốn tài nguyên; với dữ liệu nhỏ có thể các lựa chọn nhẹ hơn là đủ.
  • Milvus Lite phù hợp thử nghiệm, không thay cho cụm sản xuất khi dữ liệu lớn hoặc cần nhiều người cùng ghi.

Câu hỏi thường gặp

Cơ sở dữ liệu vector là gì, khác gì SQL thông thường?

SQL tìm đúng giá trị hoặc từ khoá. Cơ sở dữ liệu vector tìm các mục có ý nghĩa gần nhau, ví dụ câu hỏi khác từ nhưng cùng nội dung, nên được dùng nhiều trong ứng dụng AI.

Milvus có miễn phí không?

Mã nguồn mở giấy phép Apache 2.0, tự cài là miễn phí. Dịch vụ Zilliz Cloud do công ty đóng góp chính cung cấp là bản trả phí (có gói miễn phí để thử).

Máy tính cá nhân chạy được không?

Bản Milvus Lite chạy nhẹ trong Python để học và thử. Bản Standalone cần Docker và dùng nhiều RAM hơn khi dữ liệu lớn.

Tải mã nguồn về máy

Nếu bạn muốn xem hoặc sửa mã nguồn, mở Terminal (trên Windows là PowerShell) và chạy lệnh dưới. Máy cần cài sẵn Git.

Terminal
git clone https://github.com/milvus-io/milvus.git

Repo tương tự nên xem

Tài liệu, OCR & hỏi đáp tri thức35,6K

Qdrant

qdrant / qdrant

Cơ sở dữ liệu vector viết bằng Rust, chạy bằng một lệnh Docker, mạnh về lọc và tìm kiếm lai

KhóDockerLinuxmacOSWindows+1
Tài liệu, OCR & hỏi đáp tri thức29,7K

Chroma

chroma-core / chroma

Cơ sở dữ liệu vector mã nguồn mở dễ nhất để bắt đầu: cài bằng pip, dùng bốn hàm là chạy

VừaPythonNode.jsDocker
Tài liệu, OCR & hỏi đáp tri thức94,2K

RAGFlow

infiniflow / ragflow

Nền tảng tự cài giúp AI trả lời dựa trên tài liệu của bạn, có trích dẫn nguồn.

VừaDockerLinuxWeb

Nội dung được biên soạn bằng tiếng Việt dựa trên tài liệu chính thức của dự án, cập nhật lần cuối 16/11/2026. Lệnh cài có thể thay đổi theo phiên bản mới; nếu có khác biệt, hãy làm theo README trên GitHub.

Cùng chủ đề: Tài liệu, OCR & hỏi đáp tri thức

Tài liệu, OCR & hỏi đáp tri thức196K

MarkItDown

microsoft / markitdown

Công cụ của Microsoft đổi PDF, Word, Excel, PowerPoint và nhiều file khác thành Markdown cho AI đọc.

VừaWindowsmacOSLinuxPython
Tài liệu, OCR & hỏi đáp tri thức96,8K

Stirling PDF

Stirling-Tools / Stirling-PDF

Bộ hơn 50 công cụ PDF: gộp, tách, ký, che thông tin, nén, OCR, chạy trên máy hoặc tự cài.

DễWindowsmacOSLinuxDocker+1
Tài liệu, OCR & hỏi đáp tri thức92,7K

PaddleOCR

PaddlePaddle / PaddleOCR

Bộ công cụ OCR của Baidu: đọc chữ trong ảnh, PDF và đổi tài liệu thành Markdown hoặc JSON.

KhóWindowsmacOSLinuxPython
Tài liệu, OCR & hỏi đáp tri thức83,7K

MinerU

opendatalab / MinerU

Đọc PDF, ảnh scan và file Office rồi xuất Markdown, giữ bảng, công thức và bố cục phức tạp.

VừaWindowsmacOSLinuxDocker+1
Tài liệu, OCR & hỏi đáp tri thức77,5K

Tesseract OCR

tesseract-ocr / tesseract

Bộ máy nhận dạng chữ (OCR) mã nguồn mở đọc chữ từ ảnh scan, hỗ trợ hơn 100 ngôn ngữ

VừaWindowsmacOSLinux
Tài liệu, OCR & hỏi đáp tri thức70,6K

Docling

docling-project / docling

Chuyển PDF, Word, PowerPoint, Excel, HTML thành Markdown hoặc JSON gọn gàng để đưa cho AI đọc

VừaWindowsmacOSLinuxPython

Xem cả 22 repo Tài liệu, OCR & hỏi đáp tri thức Về Kho Repo