案例简介
• ZILLIZ Milvus是一款针对AI应用大规模落地而研发的，面向海量特征向量搜索比对的数据引擎。
• 在本案例中，借助于NVIDIA GPU的强大算力，Milvus能够帮助用户以更低的成本、更好的性能实现对海量非结构化数据的分析。
• 本案例主要应用到 NVIDIA Tesla P100 GPU。
Case Introduction
• ZILLIZ Milvus is a data engine for searching and comparison of massive eigenvector, which is designed for large-scale landing of AI applications.
• In this case, utilizing the outstanding acceleration performance NVIDIA Tesla P100 GPU. Milvus can help users analyze massive unstructured data with lower cost and better performance.
• The major products utilized in the case is NVIDIA Tesla P100 GPU.
背景
近年来，随着AI产业的飞速发展，用户对于数据处理也提出了新的需求。ZILLIZ自2016年成立以来，致力于将数据科学与现实社会深度结合。ZILLIZ的产品旨在通过挖掘数据的价值，帮助人们进行商业决策和城市治理。ZILLIZ核心产品主要包括：针对非结构信息的数据化分的Milvus 向量搜索引擎 和针对快数据的分析与可视的MegaWise 数据现实引擎。
挑战
数据科学时代，数据结构更加复杂多样。随着IT技术日益发展，人类社会的数字化水平不断提高。过去，数字化的主力是所谓的结构化数据，在这一领域，传统数据库功不可没。
而近年来，非结构化数据的信息量激增，根据国际知名咨询机构的预测，到2025年，人类社会产生的数字化信息将增长至2019年的6倍，而且其中绝大多数信息都将是图片，视频，声音等非结构化内容。非结构化内容虽然已通过数字化形式进行存储，但这些内容往往数据化程度较低，使得人们难以轻易发掘其中的价值。
最早在2003年，人们就开始构思如何从非结构化内容中提取有意义的向量化信息，从而便于对非结构化内容的搜索与分析。
时至今日，虽然在学术界当中已发展出了不同流派的向量搜索，匹配技术；然而在业界，依然缺乏可落地的向量搜索产品。其主要原因在于海量特征向量处理所要面临的挑战：检索性能瓶颈；硬件成本瓶颈；检索精度瓶颈。
方案
向量搜索的场景是首先通过AI算法提取非结构化数据的特征向量，然后将特征向量导入Milvus搜索引擎，以加速向量搜索匹配的速度。
海量向量搜索匹配的过程，是一个密集计算的过程，需要耗费大量的算力。当向量数据首次入库时，Milvus需要为其构建索引。如果使用传统的CPU计算方案，每GB数据的索引构建需要十多分钟，耗时冗长。而通过NVIDIA单卡 GPU计算，每GB数据的索引构建仅需不到30秒。
此外，在做向量搜索匹配时，需要大量计算两个向量之间的点积或欧式距离。传统CPU技术，仅支持针对单精度浮点数的计算，而NVIDIA GPU可以支持半精度浮点数，INT8整型的计算。尤其对于点积计算（INT8），NVIDIA GPU提供的DP4A指令，可以进行4路并发的乘累加（MACC）操作。对于Milvus处理的典型高维向量（128维以上），GPU提供的近似计算能力，非但不会影响最终结果的精确性，反而能大幅缩小Milvus引擎的内存占用，加快搜索匹配的速度。
通过充分挖掘NVIDIA Tesla P100 GPU的算力，Milvus搜索引擎的硬件成本比业界其他in house解决方案低了90%以上。在十亿级公开数据集SIFT1B上，Milvus单次查询仅需约1秒（召回率>90%）。
影响
基于出色的性能，Milvus已经开始在智慧交通的场景中落地，帮助城市管理者轻松应对每天千万级的交通视频图像数据的搜索匹配。
高性能、低成本的向量搜索引擎必将激发更广泛的AI应用落地的灵感。除了视频图片，Milvus向量搜索引擎还能和声音、文本等非结构化数据处理相结合。在更丰富的场景下，让AI更好的服务于我们的生活与社会。
“现在各AI公司都在比拼应用落地，而当前工业界并没有一款成熟向量检索系统，我们充分挖掘NVIDIA GPU的算力，Milvus能够帮助用户实现非结构化数据的近似检索和分析，未来能够广泛应用于金融、电信、医疗电子商务等领域”ZILLIZ创始人兼CEO星爵表示。
© 2019 NVIDIA Corporation. All rights reserved.