毫無疑問,Milvus 已經成為全球諸多使用者構建生產環境時必不可少的向量資料庫。
近期,Milvus 釋出了全新升級的 Milvus 2.3 版本,核心引擎加速的同時也加入了諸如支援 GPU 這樣實用且強大的特性。可以說,以 Milvus 2.3 為代表的 Milvus 2.x 版本無論在功能還是效能上都遠超 Milvus 1.x 版本。因此,有很多新老使用者反饋,想要將存量向量資料從其他資料來源遷移到 Milvus2.x 中,為了解決這一需求,Milvus-migration 專案應運而生。
讀完本文,使用者可以快速掌握 Milvus-migration 的功能特點和使用方法。(小聲打個廣告:Zilliz 雲平臺提供了更方便的一鍵遷移功能)
01.功能概述
目前遷移支援的資料來源有:
- Milvus 1.x 到 Milvus 2.x 遷移
- Elasticsearch 到 Milvus 2.x 資料遷移
- Faiss 到 Milvus 2.x 資料遷移 (Beta版本)
- 支援包括命令列和 Restful API 的多種互動方式
- 支援多種檔案形式的遷移 (本地檔案、S3、OSS、GCP)
- 支援 Elasticsearch 7.x 以上版本、自定義遷移欄位構造表結構
02.設計思路
總體架構
程式語言
Milvus-migration 使用 go 語言實現.
互動方式
命令列
命令列是最簡便直接的使用方式,Milvus-migration 基於 cobra 框架實現了命令列。
Restful Api
Milvus-Migration 還提供 Restful API,便於工具服務化,並提供 Swagger UI。
Go module
Milvus-Migration 還可以作為 go module,整合到其他工具之中。
實現原理
對於遷移 Milvus 1.x 和 Faiss 資料,主要會對原始資料檔案內容進行解析,編輯轉換成 Milvus 2.x 對應的資料儲存格式,然後透過呼叫 Milvus sdk 的 bulkInsert 將資料寫入,整個資料解析轉換過程為流式處理,處理的資料檔案大小理論上只受磁碟空間大小限制。資料檔案支援存放在 Local File、S3、OSS、GCP 和 Minio。
對於遷移 Elasticsearch 資料,不同之處資料獲取不是從檔案,而是透過 ES 提供的 scroll api 能力 將 ES 資料依次遍歷獲取,從而解析轉成 Milvus 2.x 儲存格式檔案,同樣是呼叫 bulkInsert 將資料寫入。除了對儲存在 ES dense_vector 型別的向量進行遷移,也支援 ES 其他欄位的遷移,目前支援的其他欄位型別有:long、integer、short、boolean、keyword、text、double。
介面定義
/start - 開啟一個遷移 job(相當於 dump 和 load 的結合,目前只支援 ES 遷移)
/dump - 開啟一個遷移 dump job (將source資料 寫入到 target 所在的儲存介質中)
/load - 開啟一個遷移 load job(將寫入 target 儲存介質的資料 寫入到 Milvus 2.x)
/get_job - 檢視 job 執行結果
詳情可參考 https://github.com/zilliztech/milvus-migration/blob/main/server/server.go。
03.功能演示
下面使用專案中的例子來講解 Milvus-migration 的使用方法。示例可在專案 README.md 中找到。
Elasticsearch -> Milvus 2.x
1. 準備 ES 資料
要遷移 ES 資料,前提假設您已經擁有屬於自己的 es Server(自建、ElasticCloud、阿里雲 ES 等),向量資料儲存在 dense_vector,以及其他欄位在 index 中,index mapping 形式如:
2. 編譯打包
首先下載遷移專案原始碼:https://github.com/zilliztech/milvus-migration
執行: go get & go build,編譯完成會在當前路徑下產生可執行檔案: milvus-migration。
3. 配置 migration.ymal config
開始遷移之前, 還需要準備遷移配置檔案:包含資料的 source、target 資料等資訊,內容示例如下:
dumper:
worker:
workMode: elasticsearch ------ 工作模式:elasticsearch
reader:
bufferSize: 2500 --------- 從es每次批次獲取的數量
meta:
mode: config -------- 固定寫法,其他資料來源遷移會有其他不同值
index: test_index -------- es index
fields: -------- 需要同步的es欄位有哪些:
- name: id -------- es 欄位名
pk: true -------- pk=true,表示這個欄位作為milvus的主鍵, 沒設定情況下預設會採用es document _id作為主鍵
type: long
- name: other_field
maxLen: 60 ------- 對應milvus VarChar欄位型別的maxLen, 對於varchar型別不設定maxLen則預設最大值:65535
type: keyword
- name: data
type: dense_vector ------- 向量欄位,對應milvus的 field_vector型別, 必須遷移有dense_vector的欄位
dims: 512
milvus: ------- 這部分配置非必填,設定生成的milvus表的屬性,為空則按預設值
collection: "rename_index_test" --- 表名,為空則 esIndex作為表名
closeDynamicField: false --- 為空預設為false(開啟動態列功能)
consistencyLevel: Eventually --- 一致性,為空按 milvus的預設級別
shardNum: 1 --- 分片數量,為空預設為2
source: ------- es server連線配置資訊,支援 serviceToken,fingerprint,cloudId/apiKey,user/pwd,ca.crt 等方式連線/認證
es:
urls:
- http://localhost:9200
username: xxx
password: xxx
target: ------ 遷移到目標mivlus的bucket資訊
mode: remote
remote:
outputDir: outputPath/migration/test1
cloud: aws
region: us-west-2
bucket: xxx
useIAM: true
checkBucket: false
milvus2x:
endpoint: {yourMilvusAddress}:{port}
username: ******
password: ******
關於配置檔案更加詳細的介紹,請參考專案 README.md。
4. 執行遷移 job
將配置檔案放入任意檔案目錄下,透過執行命令方式開啟遷移任務:
./milvus-migration start --config=/{YourConfigFilePath}/migration.yaml
觀察日誌輸出,當出現類似如下日誌表示遷移成功:
[task/load_base_task.go:94] ["[LoadTasker] Dec Task Processing-------------->"] [Count=0] [fileName=testfiles/output/zwh/migration/test_mul_field4/data_1_1.json] [taskId=442665677354739304]
[task/load_base_task.go:76] ["[LoadTasker] Progress Task --------------->"] [fileName=testfiles/output/zwh/migration/test_mul_field4/data_1_1.json] [taskId=442665677354739304]
[dbclient/cus_field_milvus2x.go:86] ["[Milvus2x] begin to ShowCollectionRows"]
[loader/cus_milvus2x_loader.go:66] ["[Loader] Static: "] [collection=test_mul_field4_rename1] [beforeCount=50000] [afterCount=100000] [increase=50000]
[loader/cus_milvus2x_loader.go:66] ["[Loader] Static Total"] ["Total Collections"=1] [beforeTotalCount=50000] [afterTotalCount=100000] [totalIncrease=50000]
[migration/es_starter.go:25] ["[Starter] migration ES to Milvus finish!!!"] [Cost=80.009174459]
[starter/starter.go:106] ["[Starter] Migration Success!"] [Cost=80.00928425]
[cleaner/remote_cleaner.go:27] ["[Remote Cleaner] Begin to clean files"] [bucket=a-bucket] [rootPath=testfiles/output/zwh/migration]
[cmd/start.go:32] ["[Cleaner] clean file success!"]
除了使用命令方式,專案也支援 Restful api 來執行遷移。首先執行如下命令來啟動 Restful api server:
./milvus-migration server run -p 8080
看到以下日誌表示服務啟動成功:
將 migration.yaml 配置放在當前專案的 configs/migration.yaml, 然後呼叫api 來啟動遷移:
curl -XPOST http://localhost:8080/api/v1/start
當遷移結束後,我們也可以透過 Attu 來檢視遷移成功的總行數,也可以在 Attu 進行 load collection操作;而 collection 主鍵和 vector 欄位建立 autoIndex 索引在遷移過程會自動建立好。
訪問 swagger 來檢視服務提供的 api:http://localhost:8080/docs/index.html
ES 到 Milvus 2.x 遷移就介紹到這裡,下面我們來看下 milvus1.x -> 2.x 遷移過程。
Milvus 1.x -> Milvus 2.x
1. Milvus 1.x 資料準備 - (可跳過,Zilliz Cloud上的 Milvus 使用者遷移會用到)
為了讓使用者快速體驗,在專案原始碼的 testfiles目錄下放置了1w 條 Milvus 1.x 測試資料在test1/目錄下,目錄結構:包含 tables 和 meta.json 兩部分。快速體驗可用該測試資料:
正常情況使用者需要匯出自己的 Milvus 1.x 的 meta.json檔案,匯出方式可透過命令:
./milvus-migration export -m "user:password@tcp(adderss)/milvus?charset=utf8mb4&parseTime=True&loc=Local" -o outputDir
其中 user/password/address 為 Milvus1.x 使用的 mysql;會匯出到 outputDir,匯出前 Milvus1.x server 需要停機或者停止寫入資料。隨後將 Milvus 的 tables資料夾進行copy和meta.json放到同一個目錄下面。(Milvus 的 tables資料夾一般在 /${user}/milvus/db/tables )
目錄結構如下:
filesdir
--- meta.json
--- tables
當準備好資料後,如果使用的 Milvus 2.x 在 Zilliz Cloud雲,則可直接在 cloud console 頁面進行遷移操作。
2. 編譯打包
專案原始碼編譯同上,最終生成可執行檔案: milvus-migration (在上面的 export 命令中也是使用該檔案命令)
3.配置 migration.ymal config
dumper:
worker:
limit: 2
workMode: milvus1x ------ 工作模式:milvus1x
reader:
bufferSize: 1024 ----- file reader/writer buffer size
writer:
bufferSize: 1024
loader:
worker:
limit: 16 ------- 支援同時併發遷移的表數量
meta:
mode: local ------ meta.json檔案存放方式,有:local, remote, mysql, sqlite,
localFile: /outputDir/test/meta.json
-- mode: mysql # milvus的後設資料mysql地址
-- mysqlUrl: "user:password@tcp(localhost:3306)/milvus?charset=utf8mb4&parseTime=True&loc=Local"
source: ----- milvus1.x talbes目錄檔案儲存源,可以在local, s3,minio,oss,gcp
mode: local
local:
tablesDir: /db/tables/ --資料檔案tables目錄
target: ------ 資料透過bulkInsert寫入的目標儲存位置,
mode: remote --- 寫入的儲存的方式可以可以是:remote 和 local(僅驗證dump功能使用)
remote:
outputDir: "migration/test/xx" --寫入的路徑
ak: xxxx
sk: xxxx
cloud: aws ------ 寫入的cloud, 可以是aws, gcp, ali, (如果是minio也填寫aws)
region: us-west-2
bucket: xxxxx
useIAM: true
checkBucket: false
milvus2x:
endpoint: "{yourMilvus2_xServerAddress}:{port}"
username: xxxx
password: xxxx
關於 migration.yaml 配置檔案更加詳細的介紹,請檢視專案 README.md。
4.執行遷移 Job
不同於 ES 的遷移使用一個命令即可完成遷移,目前 Milvus 1.x 和 Faiss 遷移需要執行 dump 和 load 兩個命令(後期規劃會改造成一個指令即可)。
- dump 命令
./milvus-migration dump --config=/{YourConfigFilePath}/migration.yaml
它將 Milvus 1.x 檔案資料轉為 numpy 檔案透過 bulkInsert 寫入 target bucket.
- load 命令
執行 load 命令,將轉換好的資料檔案匯入到 Milvus 2x 裡面:
./milvus-migration load --config=/{YourConfigFilePath}/migration.yaml
最終在 Milvus 2.x中,生成的 collection 中會有兩個欄位:id 和 data, 可透過 Attu 檢視 collection。
Faiss -> Milvus 2.x
#### 1. Faiss 資料準備
前提條件是使用者已經準備好了自己的 faiss 資料檔案。(為了能快速體驗,在專案原始碼的 testfiles 目錄下放置了 faiss 測試資料方便使用者體驗: faiss_ivf_flat.index.
2. 編譯打包
這部分同上,不再展開介紹。
3. 配置 migration.ymal config
dumper:
worker:
limit: 2
workMode: faiss ------ 工作模式:faiss
reader:
bufferSize: 1024
writer:
bufferSize: 1024
loader:
worker:
limit: 2
source:
mode: local ---- 資料來源可以為 local和 remote
local:
faissFile: ./testfiles/faiss/faiss_ivf_flat.index
target:
create: ----- 指定生成的collection屬性
collection:
name: test1w
shardsNums: 2
dim: 256
metricType: L2
mode: remote
remote: ------- 下面配置是將資料寫入到本地搭建的minio中,milvus2x也是本地
outputDir: testfiles/output/
cloud: aws ---- 同樣支援 aws, gcp, ali
endpoint: 0.0.0.0:9000
region: ap-southeast-1
bucket: a-bucket
ak: minioadmin
sk: minioadmin
useIAM: false
useSSL: false
checkBucket: true
milvus2x:
endpoint: localhost:19530
username: xxxxx
password: xxxxx
關於Faiss 的 migration.yaml 配置檔案更加詳細的介紹,請檢視專案 README.md
4. 執行遷移 Job
- dump 命令
./milvus-migration dump --config=/{YourConfigFilePath}/migration.yaml
它將 Faiss 檔案資料轉為numpy 格式檔案透過 bulkInsert 寫入 target bucket.
- load 命令
執行 load 命令,將轉換好的資料檔案匯入到 Milvus 2x 裡面:
./milvus-migration load --config=/{YourConfigFilePath}/migration.yaml
完成後可透過 Attu 檢視生成的 collection 資訊進行驗證。
04.未來規劃
- 支援 Redis 遷移到 Milvus
- 支援 Mongodb 遷移到 Milvus
- 支援遷移過程斷點續傳
- 簡化遷移命令:合併 dump 和 load 過程
- 支援其他資料來源遷移到 Milvus
參考資料
- Milvus-migration: https://github.com/zilliztech/milvus-migration
- Attu: https://milvus.io/docs/attu.md
- bulkinsert: https://milvus.io/docs/bulk_insert.md
- 官方文件: https://milvus.io/docs
- ES scroll api: https://www.elastic.co/guide/en/elasticsearch/reference/7.17/paginate-search-results.html#scroll-search-results
- 如果在使用 Milvus 或 Zilliz 產品有任何問題,可新增小助手微信 “zilliz-tech” 加入交流群。
- 歡迎關注微信公眾號“Zilliz”,瞭解最新資訊。
本文由mdnice多平臺釋出