CentOS 7/8 裸机安装 Milvus 向量数据库全指南（非Docker方案）

1次阅读

没有评论

共计 3050 个字符，预计需要花费 8 分钟才能阅读完成。

在部署 Milvus 这类高性能向量数据库时，Docker 方案虽然便捷，但在实际生产环境中存在明显短板：

GPU 利用率低下 ：容器化环境难以直接调用 NVIDIA 驱动，CUDA 核心无法充分发挥算力
性能损耗 ：网络和存储的虚拟化层带来额外开销，实测查询延迟增加 15%-20%
调优困难 ：无法直接修改内核参数，NUMA 绑定时需要穿透容器隔离层
依赖冲突 ：libstdc++、glibc 等基础库版本受限于容器镜像

裸机部署虽然前期准备复杂，但能获得：

直接硬件访问权限
细粒度的系统资源控制
定制化编译优化

CentOS 7.6+ 或 8.x（推荐 8.4 以上）
至少 16GB 内存（生产环境建议 64GB+）
SSD 存储（NVMe 最佳）
NVIDIA GPU（如使用 GPU 版本）

# 添加 EPEL 仓库
sudo yum install -y epel-release

# 基础编译工具链
sudo yum groupinstall -y "Development Tools"

# 必要依赖项
sudo yum install -y \
    cmake3 \
    openssl-devel \
    bzip2-devel \
    libcurl-devel \
    libarchive-devel \
    zlib-devel \
    python3-devel

# GPU 相关（可选）sudo yum install -y \
    cuda-toolkit-11-4 \
    nvidia-driver

注意：CUDA 版本需要与 Milvus 发布版本匹配，当前最新稳定版兼容 CUDA 11.4

git clone https://github.com/milvus-io/milvus.git
cd milvus
# 切换到稳定分支
git checkout -b v2.2.3 v2.2.3

# 创建构建目录
mkdir build && cd build

# 关键编译选项
cmake3 .. \
  -DCMAKE_BUILD_TYPE=Release \
  -DBUILD_UNIT_TESTS=OFF \
  -DCUDA_COMPILER=/usr/local/cuda/bin/nvcc \
  -DMILVUS_WITH_GPU=ON \
  -DMILVUS_WITH_PROMETHEUS=ON

# 开始编译（建议使用 make -j $(nproc) 加速）make -j 16

创建 install.sh 包含以下内容：

#!/bin/bash

# 检查 CUDA 路径
if [! -d "/usr/local/cuda"]; then
  echo "[ERROR] CUDA not found at /usr/local/cuda"
  exit 1
fi

# 设置环境变量
export PATH="/usr/local/cuda/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda/lib64:$LD_LIBRARY_PATH"

# 执行安装
cd /opt/milvus/bin
./milvus run \
  --config /etc/milvus/milvus.yaml \
  --runtime /var/lib/milvus

创建 /etc/systemd/system/milvus.service：

[Unit]
Description=Milvus Vector Database
After=network.target

[Service]
Type=simple
ExecStart=/opt/milvus/bin/milvus run --config /etc/milvus/milvus.yaml
LimitNOFILE=655360
LimitMEMLOCK=infinity
Restart=always

[Install]
WantedBy=multi-user.target

创建 /etc/logrotate.d/milvus：

/var/log/milvus/*.log {
  daily
  rotate 7
  missingok
  compress
  delaycompress
  notifempty
  create 640 milvus milvus
  sharedscripts
  postrotate
    systemctl restart milvus >/dev/null 2>&1 || true
  endscript
}

编辑 /etc/sysctl.conf 添加：

# 减少交换内存使用
vm.swappiness = 1

# 提升网络性能
net.core.somaxconn = 65535
net.ipv4.tcp_max_syn_backlog = 65535

# 大页内存支持（可选）vm.nr_hugepages = 1024

执行 sysctl -p 生效

对于多 CPU 插槽服务器，建议绑定 NUMA 节点：

# 查看 NUMA 拓扑
numactl --hardware

# 启动时绑定（示例绑定到节点 0）numactl --cpunodebind=0 --membind=0 /opt/milvus/bin/milvus run

常见报错：

/lib64/libstdc++.so.6: version `GLIBCXX_3.4.20' not found

解决方案：

# 查找最新库
find / -name "libstdc++.so*" | sort

# 手动链接
sudo ln -sf /usr/local/lib64/libstdc++.so.6.0.28 /usr/lib64/libstdc++.so.6

临时方案：

sudo setenforce 0

持久化方案：

sudo semanage permissive -a milvus_t

安装 pymilvus 客户端：

pip3 install pymilvus==2.2.3

测试脚本 test_connection.py：

from pymilvus import connections, utility

# 连接服务器
connections.connect("default", host="localhost", port="19530")

# 检查服务状态
print(utility.get_server_version())
print(utility.list_collections())

使用官方测试工具：

git clone https://github.com/milvus-io/milvus-tools
cd milvus-tools/benchmark
python3 main.py --host=127.0.0.1 --collection=test

特性	Docker 方案	裸机方案
部署速度	快（分钟级）	慢（小时级）
GPU 利用率	70%-80%	95%+
查询延迟	较高（+15%）	原生性能
系统调优	受限	完全可控
维护成本	低	高