Project Icon

knowhere

Milvus核心的高性能向量搜索引擎

Knowhere是Milvus的核心向量搜索引擎,采用C++编写。它提供高效的向量索引和搜索功能,支持Ubuntu和MacOS等多种操作系统,提供CPU和GPU版本。Knowhere具备灵活的构建选项和单元测试支持,可生成Python wheel包。项目开源,鼓励开发者参与贡献,并采用pre-commit工具保证代码质量。

Knowhere Logo

本文档将帮助您从源代码构建Knowhere仓库并运行单元测试。如果遇到问题,请提交issue

简介

Knowhere是用C++编写的。它是一个独立项目,作为Milvus的内部核心。

在Milvus中构建Knowhere

如果您只想在Milvus中使用Knowhere而不更改任何Knowhere源代码,我们建议您转到Milvus主项目并直接构建Milvus,Knowhere将在Milvus构建过程中隐式构建。

系统要求

所有Linux发行版都可用于Knowhere开发。然而,我们的大多数贡献者使用Ubuntu或CentOS系统,少部分贡献者使用Mac(包括x86_64和Apple Silicon)。如果您希望Knowhere能在其他发行版上构建和运行,欢迎提交issue并贡献!

以下是Knowhere已验证可以成功构建和运行的操作系统类型列表:

  • Ubuntu 20.04 x86_64
  • Ubuntu 20.04 Aarch64
  • MacOS (x86_64)
  • MacOS (Apple Silicon)

从源代码构建Knowhere

安装依赖

$ sudo apt install build-essential libopenblas-dev libaio-dev python3-dev python3-pip
$ pip3 install conan==1.61.0 --user
$ export PATH=$PATH:$HOME/.local/bin

从源代码构建

  • Ubuntu 20.04
$ mkdir build && cd build
#添加conan远程仓库
$ conan remote add default-conan-local https://milvus01.jfrog.io/artifactory/api/conan/default-conan-local
#DEBUG CPU
$ conan install .. --build=missing -o with_ut=True -s compiler.libcxx=libstdc++11 -s build_type=Debug
#RELEASE CPU
$ conan install .. --build=missing -o with_ut=True -s compiler.libcxx=libstdc++11 -s build_type=Release
#DEBUG GPU
$ conan install .. --build=missing -o with_ut=True -o with_raft=True -s compiler.libcxx=libstdc++11 -s build_type=Debug
#RELEASE GPU
$ conan install .. --build=missing -o with_ut=True -o with_raft=True -s compiler.libcxx=libstdc++11 -s build_type=Release
#DISKANN支持
$ conan install .. --build=missing -o with_ut=True -o with_diskann=True -s compiler.libcxx=libstdc++11 -s build_type=Debug/Release
#使用conan构建
$ conan build ..
#详细输出
export VERBOSE=1
  • MacOS
#RELEASE CPU
conan install .. --build=missing -o with_ut=True -s compiler.libcxx=libc++ -s build_type=Release
#DEBUG CPU
conan install .. --build=missing -o with_ut=True -s compiler.libcxx=libc++ -s build_type=Debug
#使用conan构建
conan build ..

运行单元测试

# 在build目录中
#Debug
$ ./Debug/tests/ut/knowhere_tests
#Release
$ ./Release/tests/ut/knowhere_tests

清理

$ git clean -fxd

生成PYTHON包(需要RELEASE构建)

安装依赖:

sudo apt install swig python3-dev
pip3 install bfloat16

构建knowhere后:

cd python
python3 setup.py bdist_wheel

安装knowhere wheel:

pip3 install dist/pyknowhere-0.0.0-cp38-cp38-linux_x86_64.whl

清理

cd python
rm -rf build
rm -rf dist
rm -rf knowhere.egg-info
rm knowhere/knowhere_wrap.cpp
rm knowhere/swigknowhere.py

贡献

预提交

在提交拉取请求之前,请确保在本地运行预提交检查,以确保代码已准备好进行审核。使用以下命令安装预提交检查:

pip3 install pre-commit
pre-commit install --hook-type pre-commit --hook-type pre-push

# 如果尚未安装clang-format和clang-tidy:
# linux
apt install clang-format clang-tidy
# mac
brew install llvm
ln -s "$(brew --prefix llvm)/bin/clang-format" "/usr/local/bin/clang-format"
ln -s "$(brew --prefix llvm)/bin/clang-tidy" "/usr/local/bin/clang-tidy"
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号