Knowhere 项目下载及安装教程
2024-12-05 01:55:18作者:胡唯隽
1. 项目介绍
Knowhere 是一个开源的向量搜索引擎,集成了 FAISS、HNSW 等技术。它是一个独立的 C++ 项目,主要作为 Milvus 的内部核心组件使用。Knowhere 旨在提供高效的向量搜索功能,适用于各种需要高性能向量搜索的应用场景。
2. 项目下载位置
Knowhere 项目的源代码托管在 GitHub 上。你可以通过以下命令克隆项目到本地:
git clone https://github.com/milvus-io/knowhere.git
3. 项目安装环境配置
系统要求
Knowhere 支持多种操作系统,包括但不限于:
- Ubuntu 20.04 x86_64
- Ubuntu 20.04 Aarch64
- MacOS (x86_64)
- MacOS (Apple Silicon)
依赖安装
在安装 Knowhere 之前,你需要确保系统中已经安装了以下依赖:
sudo apt install build-essential libopenblas-dev libaio-dev python3-dev python3-pip
pip3 install conan==1.59.0 --user
export PATH=$PATH:$HOME/.local/bin
环境配置示例
以下是一个简单的环境配置示例:

4. 项目安装方式
从源代码构建
-
创建并进入构建目录:
mkdir build && cd build -
使用 Conan 安装依赖并构建项目:
# 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 SUPPORT 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 构建项目 conan build ..
运行单元测试
在构建目录中运行单元测试:
# Debug
./Debug/tests/ut/knowhere_tests
# Release
./Release/tests/ut/knowhere_tests
5. 项目处理脚本
生成 Python 轮子文件
-
安装依赖:
sudo apt install swig python3-dev -
构建 Knowhere 后,进入 Python 目录并生成轮子文件:
cd python python3 setup.py bdist_wheel -
安装生成的轮子文件:
pip3 install dist/knowhere-1.0.0-cp38-cp38-linux_x86_64.whl
清理
清理构建目录和生成的文件:
cd python
rm -rf build dist knowhere.egg-info
rm knowhere/knowhere_wrap.cpp knowhere/swigknowhere.py
通过以上步骤,你可以成功下载、安装并运行 Knowhere 项目。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0117- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
SenseNova-U1-8B-MoT-SFTenseNova U1 是一系列全新的原生多模态模型,它在单一架构内实现了多模态理解、推理与生成的统一。 这标志着多模态AI领域的根本性范式转变:从模态集成迈向真正的模态统一。SenseNova U1模型不再依赖适配器进行模态间转换,而是以原生方式在语言和视觉之间进行思考与行动。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
718
4.58 K
deepin linux kernel
C
28
16
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
769
117
Ascend Extension for PyTorch
Python
584
719
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.63 K
957
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
975
960
暂无简介
Dart
957
238
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
419
364
AI 将任意文档转换为精美可编辑的 PPTX 演示文稿 — 无需设计基础 | 包含 15 个案例、229 页内容
Python
94
7
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
C
442
4.51 K