Milvus项目中JSON键索引构建的内存优化实践
背景介绍
在Milvus 2.5版本中,当用户尝试为包含大量JSON键的字段创建索引时,IndexNode组件出现了内存不足(OOM)的问题。该问题发生在集群部署环境下,使用Pulsar作为消息队列,IndexNode配置为4核CPU和8GB内存的情况下。
问题现象
用户创建了一个包含主键、向量和JSON字段的集合,其中每个JSON文档包含100个键(key_0到key_99)。当向该集合插入1000万条记录并尝试创建索引时,IndexNode组件因内存不足而反复崩溃,进入CrashLoopBackOff状态。
技术分析
问题根源
-
JSON键统计功能:Milvus通过
enabledJsonKeyStats
和enabledGrowingSegmentJSONKeyStats
配置启用了JSON键统计功能,这会导致系统为每个JSON键维护统计信息。 -
内存消耗:当JSON文档包含大量键且数据规模庞大时(1000万条记录×100个键),系统需要维护的统计信息量呈线性增长,导致内存需求急剧上升。
-
资源限制:IndexNode配置的8GB内存上限无法满足这种大规模JSON键索引构建的需求。
解决方案
开发团队通过引入强制垃圾回收(GC)机制解决了这个问题:
-
内存回收优化:在创建JSON统计信息的过程中,系统会主动触发垃圾回收,及时释放不再使用的内存。
-
资源管理:通过更精细的内存管理,确保在构建大规模JSON键索引时不会因内存积累而导致OOM。
实践建议
对于需要在Milvus中使用JSON字段并构建索引的用户,建议:
-
合理规划JSON结构:尽量避免单个JSON文档包含过多键,可以考虑将数据拆分到多个字段中。
-
资源配置:当确实需要处理大规模JSON键索引时,应适当增加IndexNode的内存配置。
-
功能启用:谨慎启用
enabledJsonKeyStats
等JSON统计功能,评估其对系统资源的影响。 -
版本选择:确保使用包含此修复的Milvus版本,以避免类似的内存问题。
总结
Milvus团队通过优化内存管理机制,解决了大规模JSON键索引构建时的内存溢出问题。这一改进使得Milvus在处理复杂JSON数据结构时更加稳定可靠,为用户提供了更好的使用体验。对于需要处理半结构化数据的用户,现在可以更放心地利用Milvus的JSON功能来实现灵活的搜索和分析需求。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~052CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0332- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









