《向量数据库指南》——Milvus Cloud是如何从 0 到 1 做一款向量数据库的？经过了哪些升级和迭代？

这实际上是一个颇具曲折性和难得性的故事。由于我自己是在公司中间加入的，从 2.0 版本开始参与了 Milvus 的构建，而我们公司在向量数据库领域已经有大约 5 年的历史了。

最初，我们看到了这个机会，并意识到有诸如 Faiss 等引擎在处理向量检索方面已经非常成熟，许多大型厂商也在使用它们。因此，我们的第一个版本设计非常简单，仅在 Faiss 上增加了一些持久化的日志，以及一些基础的 RPC。当时很多人认为 Milvus 只是在 Faiss 上做了一层封装，这是最早对 Milvus 的看法，实际上，这个结论现在可以套用在大多数正在创业的向量数据库上，它们目前架构与我们最早的 1.0 架构几乎没有什么区别。

在这个过程中，我们从 0.1 到 1.0 版本进行了许多尝试，主要受到最早一个重要客户的影响。虽然我不提及客户的名称，但他们最初使用了 Milvus 的早期版本，即 0.1 版本，来处理 1000 万数据集，效果非常好，他们很满意。

然而，他们发现随着数据量的增大，Milvus 的扩展性无法满足他们的需求。他们希望处理更大规模、达到 10 亿甚至更大的数据集，但这需要面临着诸多挑战。为此，我们采取了许多技巧，包括特殊的优化方法、更大的机型，以解决 10 亿数据的问题。

从那时起，我们认识到向量检索（在 2020 年底至 2021 年早期）的性能和扩展性是非常关键的问题。因此，我们开始着手构建 2.0 版本的核心能力。