当前位置: 首页 > news >正文

【AI大模型】基于docker部署向量数据库Milvus和可视化工具Attu详解步骤

🚀 作者 :“大数据小禅”

🚀 文章简介 :本专栏后续将持续更新大模型相关文章,从开发到微调到应用,需要下载好的模型包可私。

🚀 欢迎小伙伴们 点赞👍、收藏⭐、留言💬


目录导航

        • 1 环境准备
        • 2 什么是milvus
        • 3 什么是auut
        • 4 搭建流程
        • 5 注意事项-docker镜像问题
        • 6 可视化界面Auut
        • 7 编码测试是否安装成功

1 环境准备
  • 环境参数
    • Linux系统- 本文使用阿里云服务器进行演示
    • Docker 19.03.15
    • Docker Compose
2 什么是milvus
  • 概念
    • Milvus 是一个开源的向量数据库,专门用于管理、搜索和分析大规模向量数据。适合处理像图像、文本、音频和视频等非结构化数据
    • 这些数据通过机器学习或深度学习模型转换为高维向量。
  • 用处
    • 向量检索
    • 结构化和非结构化数据管理
    • 大模型知识库RAG
3 什么是auut
  • 概念
    • “Attu” 是一种用于管理和可视化 Milvus 向量数据库的开源用户界面工具。提供了一种直观的方式来与 Milvus 进行交互,使用户可以更方便地管理和操作存储在 Milvus 中的数据
4 搭建流程
  • docker安装:这里不再详细介绍
  • docker compose安装
    • 使用脚本进行安装,如果网络不行可以先下载好再上传到服务器
sudo curl -L "https://github.com/docker/compose/releases/download/v2.20.2/docker-compose-$(uname -s)-$(uname -m)" -o /usr/local/bin/docker-compose
//给文件添加权限
sudo chmod +x /usr/local/bin/docker-compose
  • 验证是否安装成功 docker-compose --version
    在这里插入图片描述
  • Milvus官方搭建流程
    • https://milvus.io/docs/install_standalone-docker-compose.md
    • 这里主要拉三个镜像
    • 在这里插入图片描述
  • 安装命令
# Download the configuration file
$ wget https://github.com/milvus-io/milvus/releases/download/v2.4.10/milvus-standalone-docker-compose.yml -O docker-compose.yml# Start Milvus
$ sudo docker compose up -d
  • 等待安装完成即可
  • 在这里插入图片描述
5 注意事项-docker镜像问题
  • 由于一些限制直接使用docker或者docker compose可能会导致镜像拉取失败
  • 需要进行配置镜像更新,运行如下命令
sudo mkdir -p /etc/docker
sudo tee /etc/docker/daemon.json <<-'EOF'
{"registry-mirrors": ["https://docker.m.daocloud.io","https://dockerproxy.com","https://docker.mirrors.ustc.edu.cn","https://docker.nju.edu.cn"]
}
EOF
systemctl daemon-reload
systemctl restart docker
6 可视化界面Auut
  • 执行下面的命令
//docker pull zilliz/attu:latest
docker run -d -p 8000:3000 -e MILVUS_URL=[your_ip_address]:19530 zilliz/attu
  • 如果使用阿里云记得要开放安全组开放对应的端口
  • 输入IP:8000即可访问可视化界面
    在这里插入图片描述
7 编码测试是否安装成功
  • 查看官网文档相关操作
  • https://milvus.io/docs/manage_databases.md
  • 编写创建数据库代码 链接测试
from pymilvus import connections, dbconn = connections.connect(host="IP", port=19530)database = db.create_database("database_first")
  • 结果如下,即可
    在这里插入图片描述

相关文章:

  • 北京网站建设多少钱?
  • 辽宁网页制作哪家好_网站建设
  • 高端品牌网站建设_汉中网站制作
  • 【ArcGIS/GeoScenePro】Portal和Server关系
  • Https 加密原理
  • hyperf json-rpc
  • Linux/ubuntu常用命令, 网络-2
  • easyExcel 单元格合并
  • Unity坐标系计算3D中两直线的最短距离及最近点的几何原理
  • 虚幻5|(1)技能栏快捷格子的制作|(2)如何在游戏进行的时候显示鼠标,使用鼠标操作UI||(3)改进技能释放
  • 论文速读|RoboCasa:用于通用家用机器人的大规模日常任务模拟
  • GIT 下载安装使用教程
  • SVN提取子目录到新库(附带提交历史)方法
  • springboot整合logback进行日志管理(上篇)
  • k8s - Volume 简介和HostPath的使用
  • 64.最小路径和
  • 【ragflow】安装2:源码安装依赖
  • Linux—— 配置ssl安全证书
  • HashMap ConcurrentHashMap
  • iOS编译提示和导航提示
  • Java的Interrupt与线程中断
  • JAVA多线程机制解析-volatilesynchronized
  • JS数组方法汇总
  • laravel5.5 视图共享数据
  • node 版本过低
  • October CMS - 快速入门 9 Images And Galleries
  • 汉诺塔算法
  • 基于Vue2全家桶的移动端AppDEMO实现
  • 简单数学运算程序(不定期更新)
  • 实战:基于Spring Boot快速开发RESTful风格API接口
  • 腾讯视频格式如何转换成mp4 将下载的qlv文件转换成mp4的方法
  • 我的面试准备过程--容器(更新中)
  • 栈实现走出迷宫(C++)
  • ​TypeScript都不会用,也敢说会前端?
  • (07)Hive——窗口函数详解
  • (35)远程识别(又称无人机识别)(二)
  • (二)WCF的Binding模型
  • (附源码)springboot炼糖厂地磅全自动控制系统 毕业设计 341357
  • (六)DockerCompose安装与配置
  • (论文阅读22/100)Learning a Deep Compact Image Representation for Visual Tracking
  • (每日一问)基础知识:堆与栈的区别
  • (转) RFS+AutoItLibrary测试web对话框
  • (转)菜鸟学数据库(三)——存储过程
  • (转载)CentOS查看系统信息|CentOS查看命令
  • (转载)利用webkit抓取动态网页和链接
  • .NET CLR Hosting 简介
  • .Net Core/.Net6/.Net8 ,启动配置/Program.cs 配置
  • .net dataexcel winform控件 更新 日志
  • .net 调用海康SDK以及常见的坑解释
  • .Net(C#)自定义WinForm控件之小结篇
  • .NetCore项目nginx发布
  • .Net的C#语言取月份数值对应的MonthName值
  • .net专家(张羿专栏)
  • [ 转载 ] SharePoint 资料
  • [] 与 [[]], -gt 与 > 的比较
  • [100天算法】-x 的平方根(day 61)
  • [2021ICPC济南 L] Strange Series (Bell 数 多项式exp)
  • [Angular] 笔记 9:list/detail 页面以及@Output