文档中心

向量数据库 Milvus 版

快速入门

资源估算

在使用向量数据库 Milvus 版前，建议您合理估算所需的计算资源，以保障系统稳定运行和优化成本。向量数据库 Milvus 版提供了资源计算器功能，您可以根据提供的实验数据（向量数量、向量维度、索引类型等），理解如何估算所需的资源规模，并根据测试结果在实际部署时进行调整。

操作步骤

登录向量数据库 Milvus 版控制台。

在顶部导航栏，选择需要估算资源的项目和地域。

在左侧导航栏中，单击资源计算器。

在资源计算器页面，配置以下参数，右侧资源区域会根据配置实时显示资源需求。

参数	说明
引擎版本	根据需求选择 2.5 或 2.6。
类型	根据需求选择容量型或性能型。
向量数量	向量数量直接决定索引的大小和查询时需要遍历的数据量。数量越大，所需的存储空间越多，同时构建索引和查询时的计算复杂度也相应增加，可能导致更长的处理时间和更高的硬件资源需求。取值范围：1～10000。单位：百万。
向量维度	向量维度影响索引的复杂度和精度。高维向量增加了索引的复杂性，因为每个向量在高维空间中需要更多的计算资源来比较相似度。这不仅会增加存储成本，还会降低查询速度，尤其是在没有有效降维或量化策略的情况下。
索引类型	索引类型是决定资源需求和查询性能的关键因素之一。不同的索引算法对内存、CPU 和查询时间的需求不同，支持的索引类型如下所示： FLAT：提供最高的查询精度。由于使用精确匹配，牺牲了查询速度，尤其是在大规模数据集上，性能可能不理想。适合数据量相对较小（例如千万级别），且对查询精度有严格要求，不介意较慢的查询速度的场景。 SCANN：一种高效的近似最近邻搜索索引结构，适用于对精度要求不高但需要快速检索的大规模数据集。它通过搜索空间修剪和量化技术，专注于最大内积搜索，从而在速度和资源消耗之间取得平衡。 HNSW：一种基于图结构的索引，能够提供极高的查询效率，尤其在高维数据空间中。但其对计算资源和内存的需求较高，适合需要获得最快的查询速度，且资源充足，尤其是处理高维度数据的场景。 IVF_FLAT：提供一种平衡准确率与查询速度的方案，适用于大多数场景。通过量化操作降低了计算复杂度，相比 FLAT 索引在查询性能上有显著提升，同时资源消耗相对较低。适合需要在查询性能与资源成本间取得平衡，且数据量较大的场景。 IVFSQ8：通过量化技术加速检索过程，适合资源受限但需要较高召回率的场景，尤其在大规模数据集上的应用。与 HNSW 相比，其查询精度可能会有所下降。 DISKANN：一种基于磁盘的近似最近邻搜索技术，专为大规模数据集的高效快速检索设计。其采用 Vamana 图算法，在有限内存条件下仍能实现高效的向量索引与检索，适合处理超大规模的高维数据。说明此索引类型仅当节点的类型选择容量型时可用。
with_raw_data	是否在索引中存储原始数据。取值：True 或 False。如果您的系统主要用于快速的近似搜索且不需要频繁访问原始数据，建议将其设置为False，否则设置为 True。说明此参数仅当索引类型选择 SCANN 时可用。
M	决定每个节点的邻居数量。较大的值会增加索引的召回率和精度，但同时也会增加索引的构建时间和内存占用。较小的值则相反，会使得索引构建更快、占用更少的内存，但可能牺牲一些精度。推荐初始值为 lg(N)，其中 N 为总的向量数量，可根据实际查询效果进行微调。例如，可以尝试设置为 16、32 或 64，观察效果并进行调整。说明此参数仅当索引类型选择 HNSW 时可用。
nlist	决定将向量空间划分为子空间（聚类）的数量。较大的值会增加索引的准确性和召回率，但会增加构建索引的时间和查询时的计算成本。较小的值会降低索引的复杂度，但可能导致精度下降。说明此参数仅当索引类型选择 IVF_FLAT 或 IVFSQ8 时可用。
带标量字段	开启时，可设置每行数据的平均大小参数，用于帮助索引系统合理规划内存、存储和分片，并优化查询性能。
段大小	一个段所能容纳的数据量的上限。可选值： 512 MB：建议用于内存为 4~8 GB 的查询节点。 1024 MB：建议用于内存为 8~16 GB 的查询节点（默认值）。 2048 MB：建议用于内存为 16 GB 以上的查询节点。

（可选）根据需要单击创建实例。系统将跳转至创建实例页面并根据生成的资源需求自动配置实例规格，您只需配置其余参数即可完成实例创建。更多信息请参见创建实例。

说明

如果您配置的数据量过大，则无法在资源计算器页面根据资源需求直接发起实例创建。请联系我们探讨最佳部署实践。

最近更新时间：2026.04.20 16:23:46

这个页面对您有帮助吗？

有用

无用