Milvusレビュー：ローカルRAG向けオープンソースベクトルデータベース

Milvusとは？

• コア機能：近似最近傍（ANN）アルゴリズムを用いて、数千件から数百億件規模までのベクトルエンベディングの大規模な集合を保存・インデックス化・検索する
• GitHubリポジトリによればGoとC++で書かれており、当初から分散型のクラウドネイティブシステムとして設計されている
• デプロイモデル：組み込みライブラリ（Milvus Lite）、単一マシンサーバー（Standalone）、分散クラスター（Kubernetes/Helm）
• インデックスタイプ：HNSW、IVF、FLAT、DiskANN、そして（CAGRAなどの）GPUアクセラレーション型インデックス。速度・精度・メモリのトレードオフに応じてコレクションごとに選択可能
• ガバナンス：他のオープンソースAI/データインフラプロジェクトも擁するLinux Foundation傘下のLF AI & Data Foundationの一部
• 主要な企業コントリビューター：2017年設立のZilliz。別個のマネージドサービスZilliz Cloudも提供している
• 正式リポジトリ：github.com/milvus-io/milvus

Milvusのプロジェクト沿革とバージョンの節目

1. 1
   2019年：初回オープンソースリリース
   Why it matters: Zillizがオリジナルの Milvus をオープンソースとして公開し、プロジェクトの最初のアーキテクチャを確立した。
2. 2
   2020年1月：LF AI & Data Foundationのインキュベーションプロジェクトとして参加
   Why it matters: Milvusを一企業のプロジェクトにとどめず、中立的でベンダーに依存しないオープンソースガバナンスのもとに移した。
3. 3
   2021年6月：LF AI & Data Foundationのインキュベーションを卒業
   Why it matters: 成熟度、コミュニティ規模、ガバナンスに関する財団の基準を満たしたことを示す——LF AI & Dataのプロジェクトステータスの最上位層にあたる。
4. 4
   2022年1月：Milvus 2.0リリース
   Why it matters: ストレージとコンピュートを分離した分散型クラウドネイティブ設計を導入する全面的なアーキテクチャ刷新であり、今日の2.x系統でも使われ続けているアーキテクチャの土台となった。
5. 5
   2.4.x：GPUアクセラレーションによるインデックス作成を追加
   Why it matters: 対応ハードウェア上でのインデックス構築・検索を大幅に高速化する（CAGRAなどの）GPUインデックスタイプを追加した。
6. 6
   2.5.x：全文検索（BM25）とハイブリッド検索の拡張
   Why it matters: 密ベクトル検索に加えてネイティブな疎/全文検索を追加し、1回のクエリでキーワード的な検索とセマンティックなマッチングを組み合わせられるようにした。
7. 7
   2.6.x — 2026年を通じて継続中：継続的なパフォーマンス・信頼性リリース
   Why it matters: （[GitHubリリースページ](https://github.com/milvus-io/milvus/releases)によれば）最近の2.6.x系統のポイントリリースは、クエリスケジューリングの効率化、GPU検索の正確性に関する修正、セキュリティ強化に焦点を当てている——2.6.26は2026年10月26日にリリースされ、このレビューで確認できた最新のポイントリリースである。
8. 8
   3.0 — 2026年7月29日：レイクネイティブ版
   Why it matters: [GitHub Releasesページ](https://github.com/milvus-io/milvus/releases)によれば、3.0ではParquet・Iceberg・Lance・Vortexファイルを直接検索するExternal Collections、StructListマルチベクトルフィールド、オンラインのスキーマ変更が追加され、2.6への戻しを妨げる可能性のあるオプトインのStorage V3形式も導入された。アップグレード前にリリースノートを確認すること。3.0.5は2026年10月30日にリリースされた。

Milvusでできること

• ベクトル類似検索 — エンベディングを保存し、近似最近傍クエリを実行して、与えられたクエリベクトルに最も類似したベクトルを見つける。これはRAGの検索やセマンティック検索の中核となる操作
• ハイブリッド検索 — 密ベクトル類似検索、疎/全文（BM25）検索、構造化メタデータフィルタリングを、別々のキーワード検索とセマンティック検索を実行するのではなく、1回のクエリで組み合わせる
• GPUアクセラレーションによるインデックス作成 — 対応ハードウェア上で（CAGRAなどの）GPUベースのインデックスを構築・検索し、大規模時のパフォーマンスを大幅に向上させる
• 複数のインデックスタイプ — HNSW、IVF、FLAT、DiskANNなど。検索速度、再現率の精度、メモリ/ディスク使用量のバランスを取るためコレクションごとに選択可能
• マルチテナンシー — データベース、コレクション、パーティション、そしてロールベースのアクセス制御（RBAC）により、共有Milvusインフラ上で異なるアプリケーションやチームのワークロードを分離できる
• 柔軟なデプロイ規模 — 同じデータモデルとAPIが、ノートPC上の組み込みMilvus Liteインスタンスから、数百億件のベクトルを扱う分散Kubernetesクラスターまで、一貫して機能する
• フレームワーク・エンベディングモデル連携 — LangChain、LlamaIndexとの公式連携、そしてOpenAI、Hugging Face/Sentence Transformers、BGE-M3など、ローカル/セルフホストのエンベディングモデルを含む各種プロバイダーのエンベディングモデルとの連携
• Python SDK（PyMilvus） — 主要なクライアントライブラリで、pip install pymilvusによりインストールし、組み込みのMilvus Liteモードと、リモートのStandaloneまたはDistributedサーバーへの接続の両方に使われる

活用例：Milvusの3つの使い方

Milvusをインストールする

Milvusの料金：本当に無料なのか？

• セルフホストのMilvus自体によるサブスクリプション、有料プラン、利用量の制限は一切ない
• Milvusのダウンロード、インストール、実行にアカウントや登録は不要
• セルフホストのMilvusを動かすために使うコンピュート、ストレージ、クラウドホスティングは、MilvusやZillizに支払う料金ではなく、自分でコントロールし別途負担するコスト（自前のサーバーやクラウドVMなど）
• Zilliz Cloud — Milvus向けの完全マネージド有料ホスティングサービス — は完全に任意であり、オープンソースプロジェクト自体とは別に、Milvusの主要な企業コントリビューターであるZillizが提供している

Milvus vs. Qdrant

ディレクトリで比較する→

Milvusはどんな人におすすめか？

Milvusと他のベクトルデータベースの比較

• Qdrant — Rustベースのオープンソースベクトルデータベースで、よりシンプルな運用負荷を持ち、小〜中規模のセルフホストRAGで人気。上記の専用比較セクションとQdrantレビューを参照。
• Chroma — 軽量で開発者に扱いやすいオープンソースのエンベディングデータベースで、ローカルRAGの手早い試作によく使われる。Chromaレビューを参照。
• txtai — 独立したサーバーとしてではなくプロセス内で動作する、組み込み型でPythonネイティブなベクトル/セマンティック検索ライブラリで、より小規模なローカルプロジェクト向けの軽量な代替。txtaiレビューを参照。

ディレクトリで比較する→

Milvusを評価する際によくある誤解

よくある質問

出典

関連記事

• ローカルLLMソフトウェアディレクトリ2026 — この記事が属する、ローカルAIツールの全カタログ。Milvusのディレクトリエントリーを含む。
• Qdrantレビュー — Rustベースのオープンソースベクトルデータベースで、運用負荷が軽く、上記でMilvusと直接比較。
• Chromaレビュー — 軽量で開発者に扱いやすいオープンソースのエンベディングデータベースで、ローカルRAGの試作で人気。
• txtaiレビュー — 独立したサーバーとしてではなくプロセス内で動作する、組み込み型でPythonネイティブなベクトル検索ライブラリ。