信息相似度检索
在当今的信息时代，快速而准确地检索文本和图片数据成为了一个重要挑战。我们的向量数据库针对这一挑战，提供了一个高效、安全且智能的解决方案。
构建检索应用时如何评估资源
实例资源规划文档提供 CPU、内存、节点规模和存储容量的评估方式，可用于检索业务上云前的容量判断。
CPU 与 QPS 预估
根据性能白皮书，以Cohere百万768维数据为例，在Recall 99%的情况下，QPS为3784。此数据基于拥有3台4c8g 数据节点的向量数据库实例进行的测试。
单核 QPS单核提供QPS能力 = 3784 / 12 ≈ 300。
CPU 资源预估CPU核数 = 预估QPS / 300。
注意事项实际应用中建议通过压力测试来确定最佳CPU核数。
内存与索引空间
向量数据和向量索引均存储于数据节点，数据节点的内存构成包括预留缓存和向量索引存储空间。
缓存内存缓存内存 = Min(5GB, 0.15 * 内存规格)。
索引管理为处理索引重构，剩余内存应至少为当前索引所需内存的两倍。
快速评估可根据节点规格，估算单节点最大支持的向量数据量级。
创建实例时需要配置什么
创建 Milvus 引擎实例时，需要根据访问地域、网络、节点和登录凭证完成实例配置。