Docker 部署 Milvus：轻松搭建高性能向量数据库平台 - 文章 - 开发者社区

本文基于 openeuler/milvus:2.6.0-oe2403sp2，跟做标签 2.6.0-oe2403sp2（Milvus 2.6.0 / openEuler 24.03-LTS-SP2），客户端实测 pymilvus 3.0.1，测试平台 Ubuntu 24.04 Linux。

做 RAG、以图搜图或推荐召回时，手里往往先有一批 Embedding：PDF 切段、商品图特征、会话摘要向量。下一步就卡在「向量写哪、怎么近邻检索」。塞进 MySQL 的 JSON 列硬扫，慢且难建索引；整库托管到公有云向量服务，又要过出域评审——密钥、语料、客户文档常常不允许离机房。

内网、等保、交付到客户现场的项目，更现实的诉求是：本机起一个 Standalone，gRPC 对上 SDK，健康检查过了就能写集合、查 Top-K。不必一上来就上 Kubernetes 多副本，也不必为了试用再单独啃一遍 etcd、对象存储安装手册。

Milvus（官网、GitHub · milvus-io/milvus）是开源高性能向量数据库，面向文本、图像等多模态非结构化数据的组织与相似度搜索。本文用 openEuler 社区镜像 openeuler/milvus（镜像页、Gitee · cloudnative）：在 openEuler 24.03-LTS-SP2 上把 Milvus + etcd + MinIO 打进同一容器，适合学习与单机联调。同站官方线 milvusdb/milvus 的选型见第一节。

部署跑通之后，你实际能做这些事：

场景	部署后怎么用
健康检查	`curl` 宿主机 9091 的 `/healthz`，返回 OK
WebUI	打开 `http://服务器IP:9091/webui/`，看集群、集合、段与任务
SDK 联调	pymilvus 等连 19530，建集合、插向量、搜 Top-K
RAG 原型	把文档 Embedding 写入本机卷，检索结果交给自己的 LLM 流水线
备份搬家	停容器后打包 `./data`

用轩辕镜像加速拉取 openeuler/milvus:2.6.0-oe2403sp2，Docker Compose 启动（etcd → MinIO → milvus run standalone），映射 19530 / 9091。实测局域网 IP 192.168.1.35，请换成你的。无 Compose 见第九节。文内附 6 张 WebUI 截图。

上手要点

部署：第五节 Compose；备选 docker run 见第九节

端口：宿主机 19530（gRPC）、9091（healthz / WebUI）；勿占宿主机 3000

标签：跟做 2.6.0-oe2403sp2；勿写 latest

数据：./data → /data/milvus/data

资源：镜像 DISK 4.71GB；内存建议 ≥ 4 GB

目录：Linux /www/wwwroot/milvus；macOS ~/docker/milvus

用法：第七节 venv + pymilvus；插入后务必 flush 再搜

官方与社区：Milvus Docs · 镜像页 · 标签列表 · Docker Hub · Gitee · openeuler-docker-images

一、openeuler/milvus 是什么？

openeuler/milvus 是 一体 Standalone：容器内自带 etcd、minio、milvus。9091 提供 /healthz 与 WebUI（/webui/）；业务写入与检索走 19530（gRPC）+ SDK。

	openeuler/milvus（本文）	milvusdb/milvus	Qdrant / Weaviate 等
定位	openEuler 一体包	上游官方镜像 / Compose	其他向量库
依赖	etcd + MinIO 同容器	多为多容器	各产品不同
适合	单机试用、对齐 openEuler	生产跟官方多服务文档	不同 API 偏好

SDK / 应用     ──gRPC:19530──▶  milvus run standalone
健康 / WebUI   ──HTTP:9091──▶  /healthz · /webui/
etcd / MinIO   ──容器内后台──▶  同容器进程
./data         ──挂载──▶  /data/milvus/data

/r/ 与 /zh/r/ 为同一镜像的不同页面语言。本文只用 openeuler/milvus:2.6.0-oe2403sp2。

要横向扩展、独立扩容对象存储，或严格跟上游 Cluster 文档，请改用 milvusdb/milvus。一体镜像的代价是启停顺序与资源都挤在一个容器里——联调够用，不是高可用方案。

二、环境要求

项目	建议
系统	Linux（建议 Ubuntu 24.04）；amd64 / arm64
Docker	Engine + Compose V2
内存	≥ 4 GB 可用（向量规模上去再加）
磁盘	镜像约 4.7 GB（DISK）+ 数据增长空间
端口	宿主机 19530、9091 空闲

docker --version
docker compose version

Linux 未装 Docker 可使用轩辕镜像一键安装脚本：

bash <(wget -qO- https://get.xuanyuan.cloud/docker.sh)

备用地址：

bash <(wget -qO- https://get.xuanyuan.me/docker.sh)

更多见轩辕镜像使用手册。端口被占用时，Compose 可改为 "19531:19530"、"19091:9091"，客户端与健康检查跟着改宿主机端口。

三、标签怎么选

标签	含义	推荐
`2.6.0-oe2403sp2`	Milvus 2.6.0 + openEuler 24.03-LTS-SP2	跟做（本文）
`2.5.14-oe2403sp2`	Milvus 2.5.14 + 同上基础	需对齐 2.5.x 时用
`latest`	当前与 2.6.0 同线	勿写入跟做命令

命名：{Milvus 版本}-oe{openEuler 缩写}。完整列表见标签页。

四、拉取镜像

用轩辕镜像加速拉取：

docker pull docker.xuanyuan.run/openeuler/milvus:2.6.0-oe2403sp2

Ubuntu 24.04 实测：

2.6.0-oe2403sp2: Pulling from openeuler/milvus
ed90f2ff4836: Pull complete
a51fe3cdb425: Pull complete
0e960775f9a1: Pull complete
7e67a747e12a: Pull complete
730ddf564964: Pull complete
009204109834: Pull complete
15e5f9640146: Pull complete
93d14b741252: Pull complete
1a6782dcfcf6: Pull complete
38e5a5aafe40: Pull complete
Digest: sha256:e761daa832ccfd04e87336c96bacc2d70028489b47def91612b4bb6f2a27c0ba
Status: Downloaded newer image for docker.xuanyuan.run/openeuler/milvus:2.6.0-oe2403sp2
docker.xuanyuan.run/openeuler/milvus:2.6.0-oe2403sp2

docker images docker.xuanyuan.run/openeuler/milvus:2.6.0-oe2403sp2

IMAGE                                                  ID             DISK USAGE   CONTENT SIZE   EXTRA
docker.xuanyuan.run/openeuler/milvus:2.6.0-oe2403sp2   e761daa832cc       4.71GB         1.13GB

五、Docker Compose 部署（推荐）

工作目录：/www/wwwroot/milvus（macOS 用 ~/docker/milvus）。

5.1 创建目录

sudo mkdir -p /www/wwwroot/milvus/data
sudo chown -R "$USER:$USER" /www/wwwroot/milvus
cd /www/wwwroot/milvus

5.2 编写 docker-compose.yml

该镜像默认进 shell，不会自动拉起 Milvus。用启动脚本：etcd → MinIO → 前台 milvus run standalone。

cat > docker-compose.yml <<'EOF'
services:
  milvus:
    image: docker.xuanyuan.run/openeuler/milvus:2.6.0-oe2403sp2
    container_name: milvus
    restart: unless-stopped
    ports:
      - "19530:19530"
      - "9091:9091"
    volumes:
      - ./data:/data/milvus/data
    environment:
      - TZ=Asia/Shanghai
    shm_size: "2gb"
    command:
      - bash
      - -c
      - |
        set -e
        mkdir -p /data/milvus/data/etcd-data /data/milvus/data/minio-data
        etcd --data-dir=/data/milvus/data/etcd-data/ &
        sleep 2
        minio server /data/milvus/data/minio-data/ &
        sleep 3
        exec milvus run standalone
EOF

项	说明
端口	19530 gRPC；9091 healthz / WebUI
卷	`./data` → `/data/milvus/data`
`shm_size`	加大共享内存，降低压力
`exec`	让 Milvus 作 PID 1，便于收停止信号

MinIO 默认 minioadmin / minioadmin。内网试用可先用；公网务必改密并收紧端口。

5.3 启动

cd /www/wwwroot/milvus
docker compose up -d
docker compose ps

Ubuntu 24.04 实测：

[+] up 2/2
 ✔ Network milvus_default Created
 ✔ Container milvus       Started

NAME      IMAGE                                                  COMMAND                   SERVICE   CREATED         STATUS         PORTS
milvus    docker.xuanyuan.run/openeuler/milvus:2.6.0-oe2403sp2   "bash -c 'set -e\nmkd…"   milvus    5 minutes ago   Up 5 minutes   0.0.0.0:9091->9091/tcp, [::]:9091->9091/tcp, 0.0.0.0:19530->19530/tcp, [::]:19530->19530/tcp

STATUS 为 Up 且已映射两端口即可。首次就绪可能要等十几秒到一两分钟。

5.4 日志（辅助）

docker compose logs --tail=50 milvus

运行中出现 apply balance success 一类 INFO 正常。社区镜像页示例里有 Welcome to use Milvus! 横幅，Compose 启动脚本实测时日志里未必出现——以第六节 /healthz 与 WebUI 为准。

六、验证启动

6.1 健康检查

curl -s http://127.0.0.1:9091/healthz
echo

实测返回：

OK

远程访问时换成服务器 IP，并放行 9091。

6.2 WebUI

浏览器打开 http://192.168.1.35:9091/webui/（换成你的 IP）。首页应显示 Your Cluster is running well!，Deploy Mode = STANDALONE，Build Version = 2.6.0，各组件与 etcd / mq 为 Healthy。

picture.image

6.3 端口监听

ss -lntp | grep -E '19530|9091' || netstat -lntp | grep -E '19530|9091'

实测两端口均由 docker-proxy 监听。建集合、插向量见第七节；写完后再回 WebUI 对照（§7.3）。

七、怎么使用：建集合 / 插向量 / 检索

Milvus 不负责生成 Embedding。常见链路：文本/图片 → 你的模型算向量 → 写入 19530 → 查询时再 embedding → search Top-K →（可选）交给 LLM 做 RAG。

演示用维度 8；真实项目改成与模型一致（常见 768 / 1024 / 1536）。

7.1 安装 pymilvus（venv）

Ubuntu 24.04 受 PEP 668 限制，不能直接 pip install（会报 externally-managed-environment）：

cd /www/wwwroot/milvus
sudo apt-get update
sudo apt-get install -y python3-venv python3-full
python3 -m venv .venv
source .venv/bin/activate
pip install -U pip
pip install -U pymilvus

若出现 THESE PACKAGES DO NOT MATCH THE HASHES（慢网中断 / 缓存损坏）：

pip cache purge
pip install -U pip pymilvus --no-cache-dir -i https://pypi.tuna.tsinghua.edu.cn/simple

确认版本（实测 3.0.1）：

python -c "import pymilvus; print(pymilvus.__version__)"

7.2 一键演示脚本

保存为 /www/wwwroot/milvus/demo_pymilvus.py：

#!/usr/bin/env python3
"""建集合 → 插入 → flush → 搜索。维度请与真实 Embedding 对齐。"""
from __future__ import annotations

import random
from pymilvus import MilvusClient

URI = "http://127.0.0.1:19530"  # 远程改成 http://192.168.1.35:19530
COLLECTION = "demo_docs"
DIM = 8


def fake_vec(dim: int) -> list[float]:
    return [random.random() for _ in range(dim)]


def main() -> None:
    client = MilvusClient(uri=URI)
    print("before:", client.list_collections())

    if client.has_collection(COLLECTION):
        client.drop_collection(COLLECTION)

    client.create_collection(
        collection_name=COLLECTION,
        dimension=DIM,
        metric_type="COSINE",
    )

    vec1 = fake_vec(DIM)
    rows = [
        {"id": 1, "vector": vec1, "text": "轩辕镜像加速拉取 Docker 镜像"},
        {"id": 2, "vector": fake_vec(DIM), "text": "Milvus 做向量相似度检索"},
        {"id": 3, "vector": fake_vec(DIM), "text": "RAG 把检索结果喂给大模型"},
    ]
    print("insert:", client.insert(collection_name=COLLECTION, data=rows))
    client.flush(COLLECTION)

    hits = client.search(
        collection_name=COLLECTION,
        data=[vec1],
        limit=3,
        output_fields=["text"],
    )
    print("search:", hits)
    print("after:", client.list_collections())


if __name__ == "__main__":
    main()

cd /www/wwwroot/milvus
source .venv/bin/activate
python3 demo_pymilvus.py

要点：

插入后 flush，否则易出现 search: data: [[]]
演示用刚写入的 vec1 查询，更容易看到命中；真实 RAG 传入问题对应的 Embedding
生产把 vector 换成真实向量，DIM 与模型对齐

Ubuntu 24.04 实测（pymilvus 3.0.1）：

before: ['demo_docs']
insert: {'insert_count': 3, 'ids': [1, 2, 3]}
search: data: [[{'id': 1, 'distance': 1.0000001192092896, 'entity': {'text': '轩辕镜像加速拉取 Docker 镜像'}}, {'id': 2, 'distance': 0.7550168037414551, 'entity': {'text': 'Milvus 做向量相似度检索'}}, {'id': 3, 'distance': 0.43331214785575867, 'entity': {'text': 'RAG 把检索结果喂给大模型'}}]]
after: ['demo_docs']

id: 1 的 distance ≈ 1.0：查询向量与自身最相近（COSINE）。可选 API：client.get(...) / client.delete(...)。

7.3 在 WebUI 里对照

脚本跑通后刷新 WebUI：

Collections：default 库下有 demo_docs，Loaded 100%。

picture.image

Query：Segments Rows: 3，Channel Healthy。

picture.image

Data：可见 Flushed 段；多次重建集合时也可能有 Dropped 旧段。

picture.image

Tasks：QueryCoord / Compaction / Index Build 多为成功或已完成。

picture.image

WebUI 适合观察状态；批量写入与检索仍用 SDK。更多示例见 Hello Milvus。

八、生产与安全提示

项	建议
版本	pull / Compose / 脚本统一具体标签；升级前备份 `./data`
网络	19530 / 9091 勿裸暴露公网
凭据	更换 MinIO 默认账号；按官方文档开启鉴权
资源	盯磁盘与内存；规模上去考虑官方多服务方案
备份	停写或停容器后打包 `./data`

Configurations 实测：TZ=Asia/Shanghai，common.security.authorizationenabled=false（默认未开鉴权）——内网试用方便，公网务必加固。

picture.image

九、备选：docker run

与 Compose 同逻辑的后台启动：

mkdir -p /www/wwwroot/milvus/data
docker run -d \
  --name milvus \
  --restart unless-stopped \
  --shm-size=2g \
  -p 19530:19530 \
  -p 9091:9091 \
  -v /www/wwwroot/milvus/data:/data/milvus/data \
  -e TZ=Asia/Shanghai \
  docker.xuanyuan.run/openeuler/milvus:2.6.0-oe2403sp2 \
  bash -c 'mkdir -p /data/milvus/data/etcd-data /data/milvus/data/minio-data && etcd --data-dir=/data/milvus/data/etcd-data/ & sleep 2 && minio server /data/milvus/data/minio-data/ & sleep 3 && exec milvus run standalone'

docker logs -f --tail=80 milvus

对照社区文档逐步手启时，可用 -it 进容器后依次执行 etcd &、minio server … &、milvus run standalone。退出交互即停服务；日常跟做仍用第五节 Compose。

十、升级与迁移

docker compose down
备份 /www/wwwroot/milvus/data
修改 Compose 中的镜像标签
docker compose pull && docker compose up -d
查 /healthz 与 WebUI；pymilvus 抽查集合

跨大版本先看发行说明。迁到官方多容器时按上游导入导出，勿直接混挂数据目录。

十一、常见问题 FAQ

Q：不写 command 直接 docker run？
A：默认进 shell。必须用 Compose / run 的启动脚本，或 -it 手启。

Q：该用哪个标签？镜像页写 latest？
A：跟做用 2.6.0-oe2403sp2。介绍页常写 latest（当前与 2.6.0 同线），脚本里仍写具体版本，避免静默漂移。

Q：healthz 失败或 19530 连不上？
A：看 docker compose logs、端口映射与防火墙；内存过小会杀进程。以 /healthz → OK 为准。

Q：pip 报 externally-managed-environment 或 HASHES 不匹配？
A：用 venv；HASHES 问题执行 pip cache purge 后 --no-cache-dir + 国内 PyPI 镜像，见第七节。

Q：search 返回 data: [[]]？
A：insert 后加 client.flush(集合名)。集合已在 list_collections() 中则说明写入成功。

Q：维度报错？
A：dimension 必须等于每条 vector 长度，并与 Embedding 模型输出一致。

Q：适合生产 Cluster 吗？
A：本文是 Standalone 一体容器。高可用请跟 milvusdb/milvus 与官方架构文档。

Q：数据会丢吗？宿主机能否用 3000？
A：务必挂卷 ./data。本服务默认不用 3000；若另挂 UI 且容器内听 3000，宿主机改映如 13300:3000。

十二、命令速查

# 拉取
docker pull docker.xuanyuan.run/openeuler/milvus:2.6.0-oe2403sp2

# Compose
cd /www/wwwroot/milvus
docker compose up -d
docker compose ps
docker compose logs -f --tail=50 milvus
docker compose down

# 健康检查
curl -s http://127.0.0.1:9091/healthz; echo
# WebUI：http://服务器IP:9091/webui/

# pymilvus（venv）
python3 -m venv .venv
.venv/bin/pip install -U pip pymilvus --no-cache-dir -i https://pypi.tuna.tsinghua.edu.cn/simple
.venv/bin/python demo_pymilvus.py

十三、延伸阅读

资源	链接
openeuler/milvus 镜像页	https://xuanyuan.cloud/zh/r/openeuler/milvus
openeuler/milvus 概览	https://xuanyuan.cloud/r/openeuler/milvus
openeuler/milvus 标签列表	https://xuanyuan.cloud/r/openeuler/milvus/tags
Docker Hub · openeuler/milvus	https://hub.docker.com/r/openeuler/milvus
Gitee · openeuler/cloudnative	https://gitee.com/openeuler/cloudnative
Gitee · openeuler-docker-images	https://gitee.com/openeuler/openeuler-docker-images
Milvus 官方文档	https://milvus.io/docs
Milvus Quickstart	https://milvus.io/docs/quickstart.md
GitHub · milvus-io/milvus	https://github.com/milvus-io/milvus
milvusdb/milvus 镜像页	https://xuanyuan.cloud/zh/r/milvusdb/milvus
轩辕镜像使用手册	https://xuanyuan.cloud/usage

总结

镜像：openeuler/milvus:2.6.0-oe2403sp2（一体 Standalone，勿写 latest）
部署：轩辕镜像加速拉取 + Compose + 卷 ./data；端口 19530 / 9091
验证：/healthz → OK；WebUI 看 Standalone 与依赖
用法：venv + pymilvus → 建集合 → 插入 → flush → search；WebUI 对照集合与段
生产：收紧网络；默认未开鉴权；大规模改走官方多服务

阅读原文

轩辕镜像官方博客：https://xuanyuan.cloud/blog/milvus-docker-deploy