跳到主要内容
版本：v2.6.x

Milvus 路线图

🌌 迈向下一代多模态数据库和数据湖​

Milvus 产品路线图

欢迎阅读 Milvus 路线图！

我们正在将 Milvus 带入一个新时代--下一代多模态数据库--从结构化数据到非结构化数据，从实时检索到离线分析，从单集群性能到全球数据湖架构。

本路线图概述了Milvus v2.6（进行中）、**Milvus v3.0（目标是 2026 年底）和Milvus v3.1（长期开发）的核心目标，以及向量湖（数据湖/Loon）**的演进计划。

Milvus v2.6（进行中）​

时间表：2025 年中 - 2025 年底

重点：升级数据模型，重构流架构，构建热/冷分层功能，推出向量湖原型（v0.1）。

🎯主要亮点​

🔹数据模型升级​

  • 引入统一的Tensor / StructList数据类型，支持多 Embedding 结构，实现与ColBERT、CoLQwen、视频和多模态向量的兼容。

  • 添加地理数据支持，包括点、区域和空间索引（基于libspatial），以扩展 LBS 和 GIS 中的用例。

  • 支持带有时区数据类型的时间戳。

流节点架构重构​

  • 重写流式摄取管道，优化增量写入和实时计算。

  • 显著提高并发性能和稳定性，为统一的实时和离线处理奠定基础。

  • 引入新的消息队列引擎：啄木鸟。

🔹热/冷分层与存储架构（StorageV2）​

  • 支持双存储格式：Parquet和Vortex，提高并发性和内存效率。

  • 通过自动冷热数据分离和智能调度实现分层存储。

🔹向量湖原型（v0.1）​

  • 通过 FFI 与Spark/DuckDB/DataFusion集成，实现离线 Schema 演进和 KNN 查询。

  • 提供多模态数据可视化和 Spark ETL 演示，建立基础数据湖架构。

🌠 Milvus v3.0（目标日期：2026 年初）​

时间表：2025 年末 - 2026 年初

重点：全面增强搜索体验、Schema 灵活性和非结构化数据支持，同时发布向量湖（v0.2）。

主要亮点​

🔹全面改进搜索体验​

  • 引入**More Like This (MLT)**相似性搜索，支持带有位置或负面示例的搜索。

  • 增加语义搜索功能，如突出显示和增强。

  • 支持自定义字典和同义词表，在分析器层实现词汇和语义规则定义。

  • 为查询引入聚合功能。

多租户和资源管理​

  • 支持多租户删除、统计和冷热分层。

  • 改进资源隔离和调度策略，以支持单个集群中的数百万个表。

增强 Schema 和主键功能​

  • 实施全局主键重复数据删除（全局 PK 重复数据删除），以保证数据的一致性和唯一性。

  • 支持灵活的 Schema 管理（添加/删除列、备份填充）。

  • 允许在向量字段中使用NULL 值。

🔹扩展的非结构化数据类型（BLOB/文本）​

  • 引入BLOB 类型，为文件、图像和视频等二进制数据提供本地存储和引用。

  • 引入TEXT 类型，提供增强的全文和基于内容的搜索功能。

企业级功能​

  • 支持基于快照的备份和恢复。

  • 提供端到端跟踪和审计日志。

  • 在多集群部署中实施主动-备用高可用性 (HA)。

🔹向量湖（v0.2）​

  • 支持文本/BLOB 存储和多版本快照管理。

  • 集成 Spark，用于离线索引、聚类、重复数据删除和降维任务。

  • 提供ChatPDF 冷查询和离线基准演示。

🪐 Milvus v3.1（长期愿景）​

时间表：2026 年年中

重点：用户自定义函数 (UDF)、分布式计算集成、标量查询优化、动态分片以及正式发布向量湖 (v1.0)。

🎯主要亮点​

用户定义函数和分布式计算生态系统​

  • 支持用户自定义函数（UDF），允许开发人员在检索和计算工作流中注入自定义逻辑。

  • 与Ray Dataset / Daft深度集成，用于分布式 UDF 执行和多模态数据处理。

标量查询和本地格式演变​

  • 优化标量字段的过滤和聚合性能。

  • 增强表达式评估和索引加速执行。

  • 支持本地文件格式的就地更新。

高级搜索功能​

  • 添加以下功能：RankBy、OrderBy、Facet 和模糊匹配查询。

  • 增强文本检索，支持

    • match_phrase_prefix

    • Completion Suggester

    • Term Suggester

    • Phrase Suggester

动态分片和可扩展性​

  • 启用自动分片和负载平衡，实现无缝扩展。

  • 改进全局索引构建，确保分布式搜索性能。

向量湖 V1.0​

  • 与Ray / Daft / PyTorch深度集成，支持分布式 UDF 和上下文工程用例。

  • 提供RAG（检索增强生成）演示 ，并从 Iceberg 表导入。

共同构建 Milvus 的未来​

Milvus 是一个由全球开发者社区驱动的开源项目。

我们热情邀请所有社区成员帮助打造下一代多模态数据库：

  • 💬分享反馈：提出新功能或优化建议

  • 🐛报告问题：通过 GitHub Issues 报告错误

  • 🔧贡献代码：提交 PR 并帮助构建核心功能

    • 拉取请求：直接为我们的代码库贡献代码。无论是修复错误、添加功能还是改进文档，我们都欢迎您的贡献。

    • 开发指南：查看我们的贡献者指南，了解代码贡献指南。

  • ⭐宣传：分享最佳实践和成功案例

👉GitHub: milvus-io/milvus