milvus OSS

概要

Milvusは、Zilliz社が開発しLinux Foundation（LF AI & Data Foundation）に寄贈したオープンソースのベクトルデータベース（ベクトル=AIが文章・画像・音声を数値の羅列に変換したもの）です。Apache 2.0ライセンスのもと、ライセンス料・利用制限なしで商用利用も含めて完全無料で使えます。GitHubのスター数は4万以上を誇り、オープンソースのベクトルDB分野で最も人気の高いプロジェクトです。ARM・NVIDIA・AMD・Intel・Meta・IBM・Microsoft・Alibaba・Salesforceなどの企業のエンジニアがコアコントリビューターとして開発に参加しています。

生成AI・RAG（手持ちの資料をAIに読ませて答えさせる仕組み）・画像検索・レコメンドエンジンなど、「意味の近さで探す」処理が必要なAIアプリケーションのバックエンドとして注目されています。2026年5月にはMilvus 3.0のリリース候補版が公開され、データレイク連携や外部コレクション・スナップショット機能など次世代の機能が追加されました。ローカルのPythonスクリプトから、数十億件規模の分散クラスターまで、同じAPIで段階的にスケールアップできる設計が個人開発者からエンタープライズまで幅広く選ばれる理由です。

主な機能

• 3段階のデプロイモード（Lite / Standalone / Distributed）: pip install pymilvusだけで動く「Milvus Lite」でJupyter Notebookからすぐ試せる。Dockerで立ち上げる「Standalone」は1台のマシンで最大1億ベクトル規模に対応。本番大規模は「Distributed」でKubernetes上に展開でき、クエリノード・データノードを独立してスケールアップできる。
• ハイブリッド検索（意味検索＋全文キーワード検索）: 意味の近さで探す「セマンティック検索」と、キーワードで探す「BM25全文検索」を1つのコレクション（テーブル）内で同時に使える。以前はElasticsearchとベクトルDBを2つ運用していたところを、Milvus1つに集約できる。
• 10種以上のインデックスタイプとGPU加速: HNSW・IVF・FLAT・SCANN・DiskANNなど用途に応じたインデックス（索引の作り方）を選択可能。NVIDIAのCUDA技術を使ったGPUインデックス（CAGRA）により、ベクトル検索を大幅に高速化できる。
• メタデータフィルタリング＆範囲検索: ベクトル検索に加え、数値・文字列・JSON・配列などの属性で絞り込み検索が可能。「カテゴリが『料理』かつ意味が近い記事」のような複合条件検索ができる。
• ホット／コールドストレージによるコスト最適化: よく使うデータはメモリやSSDに、あまり使わないデータは低コストのオブジェクトストレージに自動で振り分ける仕組みを持つ。大量データを保持しながらコストを抑えられる。
• マルチテナント対応: データベース・コレクション・パーティションなど複数レベルでの分離をサポート。1つのクラスターで数百〜数百万のテナント（利用者グループ）を管理できる。
• セキュリティ機能（認証・暗号化・RBAC）: ユーザー認証・TLS暗号化・ロールベースのアクセス制御（RBAC=役割ごとに操作権限を設定する仕組み）を標準搭載。エンタープライズ用途でも安全に利用できる。

料金プラン

> 💡 ポイント: Milvus本体はOSSなので無料。クラウドで楽に使いたい場合のマネージドサービスが「Zilliz Cloud」。Free Tierは500K件以下のベクトル規模のRAGプロトタイプなら数ヶ月は無料枠で動かせるとされています（公式より）。

導入方法

① 最速：Milvus Lite（Python・ローカルのみ）

Python 3.8以上の環境で以下の1行を実行するだけで使い始められます。

pip install -U pymilvus

その後、Pythonコード内でローカルファイルを指定してDBを作成します。

from pymilvus import MilvusClient
client = MilvusClient("milvus_demo.db")  # ローカルファイルにデータ保存
client.create_collection(collection_name="my_collection", dimension=768)

Jupyter Notebookでもそのまま動作します。Google Colabでも利用可能です。

② 本番向け：Docker（Standalone）

Dockerがインストールされた環境で、公式スクリプトを使って1コマンドで起動できます。

# インストールスクリプトをダウンロード
curl -sfL https://raw.githubusercontent.com/milvus-io/milvus/master/scripts/standalone_embed.sh -o standalone_embed.sh

# Dockerコンテナを起動
bash standalone_embed.sh start

起動後は http://127.0.0.1:9091/webui/ でブラウザからWeb UIにアクセスして管理できます。

③ スケールアップ：Docker Compose

# 設定ファイルをダウンロード
wget https://github.com/milvus-io/milvus/releases/download/v3.0-beta/milvus-standalone-docker-compose.yml -O docker-compose.yml

# 起動
sudo docker compose up -d

④ コードを変えずにクラウドへ移行

Milvus Lite・Standalone・Distributedはすべて同じAPIを共有しているため、接続先URIを変えるだけでクラウド（Zilliz Cloud）に移行できます。

client = MilvusClient(uri="http://localhost:19530", token="root:Milvus")

こんな人におすすめ

• RAGアプリを自分で作りたい個人開発者: pip install pymilvusの1行で始められるMilvus Liteが最適な入り口。Jupyter NotebookやGoogle Colabでそのまま動くため、AIチャットボットや社内文書検索を手軽にプロトタイプできる。
• 画像・動画・音楽の類似検索サービスを作りたい人: 「この画像に似た画像を探す」「この曲に雰囲気が似た曲を探す」といった非テキスト系のAI機能の実装基盤として使える。
• コスト管理を重視するスタートアップ・個人: OSSなのでソフトウェアコストはゼロ。自前のVPSやクラウドインフラに載せれば、ベクトル数・クエリ数に関係なく追加のライセンス料は発生しない。
• 将来的に大規模スケールを見越したチーム: 小さくMilvus Liteで始め、コードを変えずDockerのStandalone、さらにKubernetes分散クラスターへと段階的にスケールアップできる設計のため、成長に合わせて無理なく移行できる。

よくある質問

Q. プログラミング初心者でも使えますか？ A. Milvus Liteはpip install pymilvusの1行とPythonの数行で動き始めます。ただしベクトルDBの概念（エンベディング・インデックスなど）の基礎知識があるとスムーズです。公式ドキュメントのQuickstartは日本語学習リソースも充実しています。

Q. 無料で商用アプリに使えますか？ A. はい。Milvus本体はApache 2.0ライセンスのため、商用利用を含めて制限なく無料で使えます。自前でサーバーを用意する場合のインフラコストのみが発生します。

Q. Zilliz Cloudと自己ホストのMilvusは何が違いますか？ A. 機能的なAPIはほぼ同じですが、Zilliz CloudはMilvusのインフラ管理を代行してくれるフルマネージドサービスです。自分でサーバーの監視・バックアップ・スケーリングをしたくない場合に向いており、Free Tierから始めて本番環境に移行できます。

Q. 他のベクトルDBと何が違うのですか？ A. 最大の差別化ポイントはスケーラビリティと機能の豊富さです。1台のPCで数百万件から始まり、Kubernetesクラスターで数百億件規模まで同じコードで扱えます。また、意味検索＋キーワード検索のハイブリッド検索やGPU加速、10種以上のインデックスをOSSで利用できる点が特徴です。