Vector DB

Milvus

대규모 분산 벡터 DB Milvus(및 Zilliz Cloud)와 langchain-milvus의 Milvus 클래스

#vector-db#milvus#zilliz공식 문서

Milvus

Milvus는 수억~수십억 벡터 규모를 겨냥한 오픈소스 분산 벡터 DB입니다. HNSW, IVF 계열, DiskANN, GPU 인덱스 등 다양한 인덱스를 지원합니다. 배포 형태는 Milvus Lite(파이썬 내장, 로컬 .db 파일), Standalone(Docker), Distributed(Kubernetes), 관리형 Zilliz Cloud가 있습니다.

참고

langchain-milvus는 AgentLab 샌드박스에 설치되어 있지 않습니다. 아래 코드는 참고용이며 최신 시그니처는 공식 문서를 확인하세요.

Import

bash
pip install langchain-milvus   # pymilvus 포함 (Milvus Lite는 로컬 파일 URI로 사용)
python
from langchain_milvus import Milvus

시그니처

python
Milvus(
    embedding_function,                 # Embeddings
    collection_name: str = "LangChainCollection",
    connection_args: dict | None = None,    # {"uri": ..., "token": ...}
    index_params: dict | None = None,       # {"index_type": "HNSW", "metric_type": "COSINE", ...}
    drop_old: bool = False,
    auto_id: bool = False,
    ...
)
Milvus.from_documents(documents, embedding, collection_name=..., connection_args=..., ...)

파라미터

파라미터타입기본값설명
embedding_functionEmbeddings(필수)임베딩 객체
collection_namestr"LangChainCollection"컬렉션 이름
connection_argsdictNone{"uri": "./milvus.db"}(Lite), {"uri": "http://localhost:19530"}, Zilliz는 uri+token
index_paramsdict | NoneNone인덱스 종류와 메트릭 (L2, IP, COSINE)
drop_oldboolFalse기존 컬렉션 삭제 후 재생성
auto_idboolFalse기본 키 자동 생성

메서드와 반환값

표준 인터페이스(add_documents, similarity_search, similarity_search_with_score, max_marginal_relevance_search, delete, as_retriever)를 따릅니다. 메타데이터 필터는 Milvus 불리언 표현식 문자열을 expr=로 넘깁니다.

text
category == "billing" and year >= 2025
source in ["a.pdf", "b.pdf"]

예제

python
from langchain_core.documents import Document
from langchain_milvus import Milvus
from langchain_openai import OpenAIEmbeddings

store = Milvus(
    embedding_function=OpenAIEmbeddings(model="text-embedding-3-small"),
    collection_name="kb_docs",
    connection_args={"uri": "./milvus_demo.db"},   # Milvus Lite
    index_params={"index_type": "HNSW", "metric_type": "COSINE"},
    auto_id=True,
)
store.add_documents([Document(page_content="환불 정책", metadata={"category": "billing"})])
docs = store.similarity_search("환불", k=3, expr='category == "billing"')

주의사항

주의

Milvus는 스키마가 있는 DB입니다. 첫 삽입 때 메타데이터 필드로 스키마가 정해지므로, 나중에 새 메타데이터 키를 추가하면 오류가 나거나 무시될 수 있습니다. 필요하면 동적 필드(enable_dynamic_field=True)를 검토하세요.

팁

하이브리드 검색은 dense 필드와 sparse(BM25) 필드를 함께 두는 방식으로 지원됩니다(langchain_milvus의 BM25BuiltInFunction 등). 버전에 따라 API가 바뀌어 왔으니 공식 문서의 하이브리드 예제를 따르세요.

관련 문서