Milvus于2019年创建，其主要目标是存储、索引和管理由深度神经网络和其他机器学习（ML）模型生成的大规模嵌入向量。

本章介绍Milvus Docker compose方式安装部署步骤。

本章介绍如何使用 Python 快速上手 Milvus开发。

本主题介绍了如何连接和断开Milvus服务器。

与传统的数据库引擎类似，您也可以在Milvus中创建数据库，并为特定用户分配权限来管理它们。然后这些用户有权管理数据库中的集合。Milvus集群支持最多64个数据库。

Milvus的集合（Collection）类似MYSQL的表，用于组织数据，由一个或多个分区组成。

集合由一个或多个分区组成。在创建新的集合时，Milvus会创建一个默认分区`_default`。

向量索引是用于加速向量相似度搜索的元数据组织单位。如果没有在向量上构建索引，Milvus将执行一次暴力搜索。

在Milvus中，矢量相似性搜索计算查询矢量与集合中的向量之间的距离（使用指定的相似性度量），并返回最相似的结果。您可以通过指定布尔表达式来执行混合搜索，从而过滤标量字段或主键字段。

与向量相似性搜索不同，条件查询通过布尔表达式进行标量过滤来检索向量。Milvus支持在标量字段和各种布尔表达式上进行查询。布尔表达式可用于进行标量字段或主键字段的过滤，并检索与过滤条件匹配的所有结果。

本章介绍Go 如何读写Milvus 向量数据库。

和传统的数据库引擎类似，您也可以在Milvus中创建数据库，并为特定用户分配权限来管理它们。然后，这样的用户就有权利管理数据库中的集合。一个Milvus集群最多支持64个数据库。

集合由一个或多个分区组成。在创建新集合时，Milvus会自动创建一个名为_default的默认分区。

Milvus 允许将向量数据的大部分内容分割为少量分区。这样，搜索和其他操作就可以限制在一个分区内，以提高性能。

本主题描述了如何通过客户端向Milvus插入数据。

Milvus中的向量相似性搜索计算查询向量与集合中向量之间的距离，并返回最相似的结果。您可以通过指定布尔表达式来执行混合搜索，该表达式用于过滤标量字段或主键字段。

本主题介绍如何执行条件查询，类似SQL WHERE条件。

本章介绍查询条件表达式怎么写。

Milvus命令（CLI）是一个支持数据库连接、数据操作以及数据的导入和导出的命令行工具。基于Milvus Python SDK，它允许通过终端使用交互式命令行提示执行命令。