# Milvus 与替代产品的比较

在探索各种向量数据库选项时，本综合指南将帮助您了解 Milvus 的独特功能，确保您选择最适合自己特定需求的数据库。值得注意的是，Milvus 是领先的开源矢量数据库，[Zilliz Cloud](https://zilliz.com/cloud)提供全面管理的 Milvus 服务。要对照竞争对手客观评估 Milvus，可以考虑使用[基准工具](https://github.com/zilliztech/VectorDBBench#quick-start)分析性能指标。

## Milvus 的亮点

- **功能性**：Milvus 不仅支持基本的向量相似性搜索，还支持[稀疏向量](https://milvus.io/docs/sparse_vector.md)、[批量向量](https://milvus.io/docs/single-vector-search.md#Bulk-vector-search)、[过滤搜索](https://milvus.io/docs/single-vector-search.md#Filtered-search)和[混合搜索](https://milvus.io/docs/multi-vector-search.md)功能等高级功能。
- **灵活性**：Milvus 支持多种部署模式和多个 SDK，所有这些都在一个强大的集成生态系统中实现。
- **性能**：Milvus 采用[HNSW](https://milvus.io/docs/index.md#HNSW)和[DiskANN](https://milvus.io/docs/disk_index.md) 等优化索引算法以及先进的[GPU 加速](https://milvus.io/docs/gpu_index.md)，可确保高吞吐量和低延迟的实时处理。
- **可扩展性**：其定制的分布式架构可轻松扩展，从小型数据集到超过 100 亿向量的 Collections 都能轻松应对。

## 整体比较

为了对 Milvus 和 Pinecone 这两个向量数据库解决方案进行比较，下表突出了各种功能之间的差异。

| 特征                         | Pinecone                                         | Milvus                                                       | 备注                                                         |
| ---------------------------- | ------------------------------------------------ | ------------------------------------------------------------ | ------------------------------------------------------------ |
| 部署模式                     | 纯 SaaS                                          | Milvus Lite、On-prem Standalone & Cluster、Zilliz Cloud Saas & BYOC | Milvus 提供更灵活的部署模式。                                |
| 支持的 SDK                   | Python、JavaScript/TypeScript                    | Python、Java、NodeJS、Go、Restful API、C#、Rust              | Milvus 支持更广泛的编程语言。                                |
| 开源状态                     | 已关闭                                           | 开源                                                         | Milvus 是一个流行的开源向量数据库。                          |
| 可扩展性                     | 仅向上/向下扩展                                  | 向外/向内扩展和向上/向下扩展                                 | Milvus 采用分布式架构，增强了可扩展性。                      |
| 可用性                       | 可用区域内基于 Pod 的架构                        | 可用区域故障切换和跨区域 HA                                  | Milvus CDC（变更数据捕获）支持主备模式，以提高可用性。       |
| 性能成本（每百万次查询收费） | 中型数据集 0.178 美元起，大型数据集 1.222 美元起 | Zilliz Cloud 中型数据集的起价为 0.148 美元，大型数据集的起价为 0.635 美元；提供免费版本 | 请参阅[成本排名报告](https://zilliz.com/vector-database-benchmark-tool?database=ZillizCloud,Milvus,ElasticCloud,PgVector,Pinecone,QdrantCloud,WeaviateCloud&dataset=medium&filter=none,low,high&tab=2)。 |
| GPU 加速                     | 不支持                                           | 支持英伟达™（NVIDIA®）GPU                                    | GPU 加速可大幅提升性能，通常可提升几个数量级。               |

## 术语比较

虽然两者作为向量数据库的功能相似，但 Milvus 和 Pinecone 的特定领域术语略有不同。详细的术语比较如下。

| Pinecone    | Milvus                                                       | 备注                                                         |
| ----------- | ------------------------------------------------------------ | ------------------------------------------------------------ |
| 索引        | [Collections](https://zilliz.com/comparison)                 | 在 Pinecone 中，索引是存储和管理相同大小向量的组织单位，这种索引与硬件（称为 pod）紧密结合在一起。相比之下，Milvus 的 Collections 功能类似，但能在单个实例中处理多个集合。 |
| Collections | [备份](https://milvus.io/docs/milvus_backup_overview.md#Milvus-Backup) | 在 Pinecone 中，Collection 本质上是索引的静态快照，主要用于备份目的，不能被查询。在 Milvus 中，用于创建备份的相应功能更加透明，命名也更直观。 |
| 命名空间    | [Partition Key](https://milvus.io/docs/use-partition-key.md#Use-Partition-Key) | 命名空间允许将索引中的向量分割成子集。Milvus 提供了分区或分区键等多种方法，以确保在 Collections 中实现高效的数据隔离。 |
| 元数据      | [标量字段](https://milvus.io/docs/boolean.md)                | Pinecone 的元数据处理依赖于键值对，而 Milvus 允许使用复杂的标量字段，包括标准数据类型和动态 JSON 字段。 |
| 查询        | [查询](https://milvus.io/docs/single-vector-search.md)       | 用于查找给定向量近邻的方法名称，可能会在上面应用一些额外的过滤器。 |
| 不可用      | [迭代器](https://milvus.io/docs/with-iterators.md)           | Pinecone 缺乏对索引中所有向量进行迭代的功能。Milvus 引入了搜索迭代器和查询迭代器方法，增强了跨数据集的数据检索能力。 |

## 能力比较

| 功能            | Pinecone                          | Milvus                                                       |
| --------------- | --------------------------------- | ------------------------------------------------------------ |
| 部署模式        | 纯 SaaS                           | Milvus Lite、On-prem Standalone & Cluster、Zilliz Cloud Saas & BYOC |
| Embeddings 功能 | 不可用                            | 支持[pymilvus[模型］](https://github.com/milvus-io/milvus-model) |
| 数据类型        | 字符串、数字、布尔、字符串列表    | 字符串、VarChar、数（Int、Float、Double）、Bool、数组、JSON、浮点矢量、二进制矢量、BFloat16、Float16、稀疏矢量 |
| 度量和索引类型  | 余弦、点、欧几里得 P-家族、S-家族 | 余弦、IP（点）、L2（欧几里得）、汉明、雅卡 FLAT、IVF_FLAT、IVF_SQ8、IVF_PQ、HNSW、SCANN、GPU 索引 |
| Schema 设计     | 灵活模式                          | 灵活模式、严格模式                                           |
| 多个向量场      | 不适用                            | 多向量和混合搜索                                             |
| 工具            | 数据集、文本工具、Spark 连接器    | Attu、Birdwatcher、备份、CLI、CDC、Spark 和 Kafka 连接器     |

### 主要见解

- **部署模式**：Milvus提供多种部署选项，包括本地部署、Docker、Kubernetes on-premises、云SaaS和面向企业的自带云（BYOC），而Pinecone仅限于SaaS部署。
- **嵌入功能**：Milvus 支持额外的嵌入库，可直接使用嵌入模型将源数据转换为向量。
- **数据类型**：与 Pinecone 相比，Milvus 支持更广泛的数据类型，包括数组和 JSON。Pinecone 只支持以字符串、数字、布尔值或字符串列表为值的扁平元数据结构，而 Milvus 可以在一个 JSON 字段内处理任何 JSON 对象，包括嵌套结构。Pinecone 限制每个向量的元数据大小为 40KB。
- **度量和索引类型**：Milvus 支持多种度量和索引类型，以适应各种使用情况，而 Pinecone 的选择较为有限。虽然在 Milvus 中必须为向量建立索引，但也提供了 AUTO_INDEX 选项来简化配置过程。
- **Schema 设计**：Milvus 为模式设计提供了灵活的`create_collection` 模式，包括快速设置动态模式，以获得类似 Pinecone 的无模式体验，以及自定义设置预定义模式字段和索引，类似关系数据库管理系统（RDBMS）。
- **多向量字段**：Milvus 支持在单个 Collections 中存储多个向量字段，这些字段可以是稀疏的，也可以是密集的，维度也可能不同。Pinecone 不提供类似功能。
- **工具**：Milvus 为数据库管理和利用提供了更广泛的工具选择，如 Attu、Birdwatcher、Backup、CLI、CDC 以及 Spark 和 Kafka 连接器。

## 下一步计划

- **试用**：从 Milvus[快速入门](https://milvus.io/docs/quickstart.md)或[注册 Zilliz Cloud](https://docs.zilliz.com/docs/register-with-zilliz-cloud) 开始，亲身体验 Milvus。
- **了解更多**：通过我们全面的[术语](https://milvus.io/docs/zh/glossary.md)和[用户指南](https://milvus.io/docs/manage-collections.md)深入了解 Milvus 的功能。
- **探索替代方案**：如需对向量数据库选项进行更广泛的比较，请浏览[本页](https://zilliz.com/comparison)上的其他资源。