Milvus 对比 Chroma

通过以下一系列能力比较 Milvus 对比 Chroma。我们希望您选择适合您的最佳数据库，即使它不是我们。

MilvusChroma

计算存储分离

✔️

❌

查询插入分离

Yes（支持在组件层面扩展，扩展性颗粒度更精细）

No (不可以。无法扩展到单个节点之外)

多副本

✔️

❌

动态 Segment 替换 vs. 静态数据 Sharding

动态 Segment 替换

无分布式数据替换

云原生

✔️

❌

支持 10 亿级向量数据

✔️

❌

Milvus 执行节点（worker nodes）负责各种操作，包括连接数据库、消化数据、构建索引、查询搜索等。每个节点都拥有自己的 CPU 和内存资源。Milvus 支持动态增加新节点加速操作或者减少节点释放资源。动态分配节点有益于实现更轻松的扩展和更合理的资源分配，从而确保系统延迟和吞吐量。

如果没有任何分布式数据替换，Chroma 就无法扩展到单个节点之外。

向量数据库性能是最为重要的关键指标。随着存储的非结构化数据规模不断增长至数亿或数十亿，向量数据库能否水平扩展多个节点变得至关重要。

此外，不同的数据插入、查询速率，以及不同的底层硬件适用于不同的应用场景。因此，向量数据库必须支持性能调优。

MilvusChroma

基于角色的访问控制（RBAC）

✔️

❌

支持磁盘索引

✔️

❌

混合查询或标量过滤

Yes（标量过滤）

Partition/Namespace/逻辑分组

✔️

❌

支持的索引类型

11 种（FLAT、IVF_FLAT、IVF_SQ8、IVF_PQ、HNSW、BIN_FLAT、BIN_IVF_FLAT、DiskANN、GPU_IVF_FLAT、GPU_IVF_PQ、ScaNN）

1种 (HNSW)

Milvus 支持多种内存索引。同时，Milvus 还支持 Partition，保障实时信息检索系统的出色性能。
Milvus 支持基于角色的权限访问控制（RBAC）——企业级应用的必备功能。
Milvus 支持 Partition。通过 Partition，可以将搜索范围限制为一个或多个数据库子数据集。相比于静态 Segment，Partition 是一种更有效得过滤数据的方式。因为静态 Partition 会导致性能瓶颈，而且在数据量超出存储上限时，需要重新 Partition。但不同的是，Partition - 是指根据类别或者时间范围将数据分为多组。这样一来，您可以轻松过滤大量数据，每次搜索的时候无需搜索整个数据库中的数据。
Milvus 向量数据库提供多种索引类型供您更具自己的用例需求选择，方便您平衡准确性、性能和成本。