Milvus 对比 Weaviate
通过以下一系列能力比较 Milvus 对比 Weaviate。我们希望您选择适合您的最佳数据库，即使它不是我们。
Milvus 与 Weaviate Scalability对比
Yes（支持在组件层面扩展，扩展性颗粒度更精细）
No（仅支持在服务器层面扩展）
动态 Segment 替换
静态数据 Sharding
Milvus 可扩展性
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。
Weaviate 可扩展性
采用静态数据分片后，如果数据规模超过服务器存储上限，您需要为集群添加更多机器并重新对数据进行分片。这个过程复杂且耗时。而且，数据分片不均衡可导致性能瓶颈，降低系统效率。
Milvus 与 Weaviate Functionality对比
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。
敬请期待
Yes（标量过滤）
Yes（结合稀疏和稠密向量）
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 功能
- 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。
Weaviate 功能
Weaviate 通过两种索引类型支持向量数据库功能。一种是倒排索引，用于将数据对象属性映射到其在数据库中的位置。另一种是向量索引，用于支持高性能查询。此外，Weaviate 的混合查询功能结合了稠密和稀疏向量。稠密向量用于理解查询上下文，稀疏向量用于关键词匹配。
Milvus 与 Weaviate Purpose-built对比
为什么使用向量数据库？
向量数据库可用于存储、索引和管理由深度神经网络学习与其他机器学习模型生成的海量向量。向量数据库应具备以下特性：
- 可扩展性和性能调优
- 多租户和数据隔离
- 完整的 API
- 直观的用户界面或管理面板
Milvus 对比 Weaviate：什么对我来说更合适？
Milvus
Milvus 是一个开源独立项目，也是 LF AI & Data 基金会的毕业项目，由众多公司和个人开发者维护。其中一些公司提供 Milvus 商业服务和支持。 许可证：Apache-2.0 许可证
Weaviate
Weaviate 由一家商业公司维护。该公司还提供 Weaviate 云服务版本。 许可证：BSD-3-Clause 许可证
