玩转 Milvus（二）：在 Ubuntu 22.04（WSL2）上安装 Milvus-EW帮帮网

玩转 Milvus（二）：在 Ubuntu 22.04（WSL2）上安装 Milvus

引言：让 Milvus 在你的笔记本上“起飞”

在《玩转 Milvus（一）》中，我们揭开了向量数据库的神秘面纱，认识了 Milvus 作为 AI 时代的“超级引擎”，如何驱动智能搜索、推荐系统和多模态应用。现在，是时候让 Milvus 在你的电脑上“落地生根”了！本篇博客将带你在 Ubuntu 22.04（WSL2） 环境下安装 Milvus，聚焦两种单机模式：Milvus Lite 和 Milvus Standalone。无论你是初学者想快速上手，还是进阶开发者准备小规模生产，这篇教程都能帮你轻松搞定。

Milvus 支持三种部署模式：Milvus Lite（轻量级 Python 库）、Milvus Standalone（单机部署）和 Milvus Distributed（分布式集群）。考虑到我们专栏的目标（单机环境，2025年7月14日会话）和 Ubuntu 22.04/WSL2 的开发环境，本篇只讲 Milvus Lite 和 Milvus Standalone（通过 Docker 和 Docker Compose 两种方式）。分布式部署后续有机会再探讨。

通过详细步骤、验证案例和常见问题解答，你将学会在几分钟内跑通 Milvus，甚至实现一个简单的语义搜索。准备好你的 Ubuntu 终端，让我们开始这场“安装冒险”！

环境准备：为 Milvus 铺好跑道

在安装 Milvus 之前，需要确保你的 Ubuntu 22.04（WSL2）环境已准备就绪。以下是详细要求和配置步骤。

系统环境

操作系统：Ubuntu 22.04，运行在 WSL2 上（Windows 10/11）。
硬件要求：
- CPU：支持 AVX512 或 SIMD 指令（参考2025年5月6日会话），普通笔记本即可。
- 内存：建议 8GB+（Milvus Lite）或 16GB+（Standalone）。
- 磁盘：至少 10GB 可用空间（MinIO 存储向量和元数据）。
WSL2 注意事项：
- 确保 WSL2 已正确安装：运行 wsl --version，应显示 WSL 2。
- 推荐使用 Docker Desktop 与 WSL2 集成，简化 Docker 管理。
- 在 Windows 的 Docker Desktop 设置中，启用 WSL2 后端（Settings > Resources > WSL Integration），选择 Ubuntu 22.04 分发。

必要软件

Docker（用于 Milvus Standalone）：
- 安装命令：
```
sudo apt update
sudo apt install -y docker.io
sudo systemctl start docker
sudo systemctl enable docker
```
- 验证：docker --version（应显示 Docker 20.x 或更高）。
- WSL2 特殊配置：确保 Docker Desktop 运行，WSL2 可通过 sudo service docker start 启动 Docker（若未用 Docker Desktop）。
Docker Compose（用于 Standalone 的 Docker Compose 方式）：
- 安装命令：
```
sudo apt install -y docker-compose
```
- 验证：docker-compose --version（应显示 Docker Compose 1.29.x 或更高）。
Python 3.7+（用于 Milvus Lite 和验证）：
- 安装命令：
```
sudo apt install -y python3 python3-pip
```
- 验证：python3 --version（应显示 3.7 或更高）。

为什么选择 WSL2 而非 Docker Desktop 直接安装？

WSL2 优势：轻量、灵活，Ubuntu 环境更接近生产服务器，适合开发者调试。Docker Desktop 虽方便，但在 Windows 上直接运行可能遇到权限或网络问题（如 localhost 访问失败）。
注意：本篇使用 WSL2 的 Ubuntu 22.04 运行 Docker，避免 Windows 环境的复杂配置。若你更喜欢 Windows 原生 Docker Desktop，可参考 Milvus 文档。

Milvus 安装方式综述：选择你的“起飞方式”

Milvus 提供三种部署模式，适合不同场景：

Milvus Lite：像笔记本上的“迷你数据库”，通过 Python 库运行，无需额外服务器，适合快速学习和原型开发。
Milvus Standalone：单机“全能选手”，支持中等规模数据，适合开发、测试或小规模生产。
Milvus Distributed：分布式“超级舰队”，适合亿级向量和企业级场景。

对于 Milvus Standalone，我们将介绍两种安装方式：

Docker（Linux）：通过单个容器快速启动，简单直接。
Docker Compose（Linux）：通过配置文件管理 Milvus 及其依赖（etcd、MinIO），适合自定义配置。

本篇聚焦 Milvus Lite 和 Milvus Standalone（Docker 和 Docker Compose），基于 Ubuntu 22.04（WSL2）。

安装方式对比：

特性	Milvus Lite	Standalone (Docker)	Standalone (Docker Compose)
安装难度	超简单（pip 安装）	简单（脚本启动）	中等（配置 YAML 文件）
资源占用	低（4GB 内存）	中等（8GB+ 内存）	较高（8GB+ 内存）
自定义能力	低（默认配置）	中等（有限调整）	高（支持端口、存储配置）
数据规模	小规模（<1000万向量）	中规模（<1亿向量）	中规模（<1亿向量）

说明：

Milvus Lite：适合初学者，几分钟跑通，笔记本就能用，完美用于学习或小项目。
Standalone Docker：快速部署，适合开发测试，想省心就选它。
Standalone Docker Compose：支持灵活配置，适合需要调整端口或存储的生产环境。
建议：新手从 Milvus Lite 开始，熟悉后尝试 Docker 方式，进阶者用 Docker Compose 定制部署。

安装方式一：Milvus Lite —— 几分钟跑通“迷你数据库”

概述

Milvus Lite 是一个轻量级 Python 库，集成了 Milvus 核心功能，无需部署独立服务器（参考 Milvus Lite 文档）。它像一个“便携式数据库”，直接嵌入 Python 项目，适合初学者和小规模实验。

适用场景

学习 Milvus 的基本操作（如集合创建、向量搜索）。
小规模数据处理（<1000万向量）。
无 Docker 环境的快速原型开发。

安装步骤

检查 Python 环境：
```
python3 --version
```
确保版本为 3.7 或更高。
安装 Milvus Lite：
```
pip3 install -U pymilvus
```
安装最新版 pymilvus（推荐 2.5.8，与 Milvus 2.5.11 兼容）。
验证安装：
- 启动 Python 解释器，运行：
```
from pymilvus import MilvusClient
client = MilvusClient("./milvus_demo.db")
print("Milvus Lite connected successfully!")
```
- 成功后，当前目录生成 milvus_demo.db 文件，表示本地数据库已创建.

简单语义搜索验证：
为确认 Milvus Lite 可用，试试一个小型语义搜索：

from pymilvus import MilvusClient, CollectionSchema, FieldSchema, DataType
client = MilvusClient("./milvus_demo.db")
# 创建集合
schema = CollectionSchema(fields=[
    FieldSchema("id", DataType.INT64, is_primary=True, auto_id=True),
    FieldSchema("vector", DataType.FLOAT_VECTOR, dim=4)
])
client.create_collection("test_collection", schema)
# 插入数据
vectors = [[0.1, 0.2, 0.3, 0.4], [0.2, 0.3, 0.4, 0.5]]
client.insert("test_collection", {"vector": vectors})
# 插入数据
client.insert("test_collection", [
    {"vector": [0.1, 0.2, 0.3, 0.4]},

    {"vector": [0.2, 0.3, 0.4, 0.5]}

])
index_params = MilvusClient.prepare_index_params()
index_params.add_index(
    field_name="vector",
    index_type="IVF_FLAT",
    index_name="ivf_flat_index",
    params={"nlist": 128}
)
# 创建索引
client.create_index(
    collection_name="test_collection",
    index_params=index_params
)
# 搜索
results = client.search("test_collection", data=[[0.1, 0.2, 0.3, 0.4]], limit=1)
print(f"Top result: ID {results[0][0]['id']}, Distance {results[0][0]['distance']}")

说明：此代码创建 4 维向量集合，插入两条数据，搜索最相似向量。输出示例：Top result: ID 1, Distance 0.0.

优点与局限性

优点：安装简单（一行 pip 命令），资源占用低，适合笔记本（4GB 内存即可）。
局限性：不支持分布式部署，数据规模限于百万级，功能较 Standalone 少。

安装方式二：Milvus Standalone —— Docker（Linux）

概述

Milvus Standalone 通过单个 Docker 容器运行，快速部署单机环境（参考 Standalone Docker 文档）。它像一台“全能服务器”，整合 Milvus 和依赖（etcd、MinIO），适合中等规模数据。

适用场景

快速搭建开发或测试环境。
处理百万级向量（如电商图像搜索）。
对配置要求较低的场景。

安装步骤

检查 Docker：
```
docker --version
sudo service docker start
```
确保 Docker 运行（WSL2 中需 Docker Desktop 支持）。
创建工作目录：
```
mkdir -p /home/milvus
cd /home/milvus
```

下载安装脚本：

curl -sfL https://raw.githubusercontent.com/milvus-io/milvus/v2.5.11/scripts/standalone_embed.sh -o standalone_embed.sh
chmod +x standalone_embed.sh

启动 Milvus：
```
bash standalone_embed.sh start
```
- 启动后，milvus-standalone 容器在 19530 端口运行，嵌入 etcd（2379 端口）。
- 数据存储在 /home/milvus/volumes/milvus，配置文件为 embedEtcd.yaml.
验证安装：
- 检查容器状态：
```
docker ps
```
  应看到 milvus-standalone 运行。
- 访问 WebUI：打开浏览器，输入 http://127.0.0.1:9091/webui/，检查界面是否加载。
- 测试 Python 连接：
```
pip3 install pymilvus==2.5.8
```
```
from pymilvus import connections, utility
connections.connect(host="localhost", port="19530")
print(f"Milvus version: {utility.get_server_version()}")
```
  输出示例：Milvus version: v2.5.11.

停止和删除：

bash standalone_embed.sh stop
bash standalone_embed.sh delete

优点与局限性

优点：部署快速（几分钟），支持数据持久化，适合开发测试。
局限性：配置灵活性有限，不支持分布式扩展。

安装方式三：Milvus Standalone —— Docker Compose（Linux）

概述

Docker Compose 通过配置文件管理 Milvus Standalone 及其依赖（etcd、MinIO），适合需要自定义配置的场景（参考 Docker Compose 文档）。它像一个“可定制的工作站”，提供更高灵活性。

适用场景

稳定的开发或小规模生产环境。
自定义存储路径、端口或日志配置。
处理千万到亿级向量。

安装步骤

检查 Docker Compose：
```
docker-compose --version
```

下载配置文件：

mkdir -p /home/milvus
cd /home/milvus
wget https://github.com/milvus-io/milvus/releases/download/v2.5.11/milvus-standalone-docker-compose.yml -O docker-compose.yml

注意：使用 Milvus 2.5.11 的配置文件，避免 2.5.10 的重启问题（参考初稿）。

启动服务：

docker-compose up -d

输出示例：

Creating milvus-etcd  ... done
Creating milvus-minio ... done
Creating milvus-standalone ... done

验证安装：
- 检查服务状态：
```
docker-compose ps
```
  确认 milvus-standalone、milvus-etcd、milvus-minio 均运行。
- 访问 WebUI：http://127.0.0.1:9091/webui/.
- 测试 Python 连接（同 Docker 方式）：
```
from pymilvus import connections, utility
connections.connect(host="localhost", port="19530")
print(f"Milvus version: {utility.get_server_version()}")
```
停止和删除：
```
docker-compose down
```

优点与局限性

优点：支持自定义配置（如端口、存储路径），适合生产环境，扩展性强。
局限性：配置稍复杂，资源占用高于 Milvus Lite。

常见问题解答

1. Python SDK 连接失败？

原因：Milvus 服务未启动，或 host/port 配置错误。
解决：
- 确认服务状态：docker ps 或 docker-compose ps.
- 检查端口：默认 localhost:19530.
- 确保 SDK 版本匹配：Milvus 2.5.11 需 pymilvus==2.5.8（参考 Milvus版本说明）。

2. Docker 容器启动失败？

原因：端口冲突（19530、2379、9091）或磁盘空间不足。
解决：
- 检查端口：sudo netstat -tuln | grep 19530.
- 释放空间：df -h 确认 /home/milvus 有 10GB+ 空间。
- 查看日志：docker logs -f milvus-standalone.

3. Milvus Lite 性能瓶颈？

原因：内存不足或向量规模过大（>1000万）。
解决：
- 增加内存：建议 8GB+。
- 切换 Standalone：支持更大规模数据。
- 优化索引：使用 IVF_FLAT 替代 HNSW（后续文章详解）。

4. WSL2 与 Docker Desktop 网络问题？

原因：WSL2 网络隔离导致 localhost 不可用。
解决：
- 使用 Docker Desktop 的 WSL2 后端。
- 替换 localhost 为 host.docker.internal（Python SDK 中）。

性能优化提示

Milvus Lite：适合 <1000万向量，内存 4GB 即可。HNSW 索引速度快但内存占用高，建议小数据集使用。
Standalone Docker：支持 <1亿向量，建议 16GB 内存，MinIO 数据存储路径（/home/milvus/volumes）需 SSD。
Docker Compose：自定义 docker-compose.yml（如调整 MinIO 端口：9000），优化网络性能。
硬件：确保 CPU 支持 AVX512 或 SIMD，提升搜索效率。
WSL2：分配足够资源，避免性能瓶颈。

结语：Milvus 之旅已启动

在 Ubuntu 22.04（WSL2）上成功安装 Milvus！本篇详细介绍了两种单机部署方式：

Milvus Lite：像“迷你数据库”，一行命令搞定，适合快速学习。
Milvus Standalone：
- Docker：快速启动，适合开发测试。
- Docker Compose：灵活配置，适合小规模生产。

通过验证代码和 WebUI，可以确认 Milvus 的可用性，甚至跑通了语义搜索。现在，已经为后续实战打下基础！运行上面的语义搜索代码，或在评论区分享你的安装体验！有什么问题？欢迎留言，我们一起解决！

玩转 Milvus（二）：在 Ubuntu 22.04（WSL2）上安装 Milvus