Skip to main content
PromptQuorum
ホーム/ローカルLLM活用/Milvusレビュー2026：ローカルRAG向けオープンソースベクトルデータベース
RAG & Document Chat

Milvusレビュー2026：ローカルRAG向けオープンソースベクトルデータベース

·読了時間: 約12分·Hans Kuepper 著 · PromptQuorumの創設者、マルチモデルAIディスパッチツール · PromptQuorum
言語を選択:
🇺🇸en🇩🇪de🇫🇷fr🇯🇵ja🇨🇳zh🇪🇸es🇧🇷pt🇸🇦ar🇰🇷ko

Milvusは無料・オープンソース（Apache-2.0）のベクトルデータベースで、大規模なベクトルエンベディングの保存・検索用に構築されており、RAGパイプライン、セマンティック検索、レコメンデーションシステムの検索層として利用されています。 完全にセルフホスト可能で、3つのデプロイモードがあります。Milvus Lite（ノートPC上での試作向けに、pipでインストールできる組み込みライブラリ）、Milvus Standalone（単一マシンでのDockerデプロイ）、Milvus Distributed（大規模本番向けのKubernetes/Helmクラスターデプロイ）です。Milvus自体には有料プランはありません。Zilliz Cloudは、Milvusの主要な企業コントリビューターであるZillizが提供する別個の任意のマネージドホスティングサービスであり、Milvusを利用するために必須ではありません。プロジェクトはLF AI & Data Foundationによってガバナンスされています。

Milvus（milvus.io、ソースコードはgithub.com/milvus-io/milvus）は、検索拡張生成（RAG）、セマンティック検索、レコメンデーションシステムを支えるエンベディングの保存・検索に特化した、無料・オープンソースのクラウドネイティブなベクトルデータベースです。ローカルでの試作用にpip install一つで動かせるものから、数十億件のベクトルを扱う分散Kubernetesデプロイまで、完全にセルフホスト可能です。プロジェクトはLF AI & Data Foundationのもとでガバナンスされ、Zillizが主要な企業コントリビューターを務めています。このレビューでは、Milvusが実際に何をするツールなのか、その成り立ち、インストール方法、料金、そしてローカルLLMスタックにおける他のオープンソースベクトルデータベースとの位置づけを取り上げます。

重要なポイント

  • Milvusは無料・オープンソースで、Apache-2.0ライセンスのもとLF AI & Data Foundationがガバナンスを担い、Zillizが主要な企業コントリビューターを務める
  • 3つのセルフホストデプロイモード：Milvus Lite（組み込み型、pip install pymilvusで試作向け）、Standalone（Docker、単一マシン）、Distributed（Kubernetes/Helm、クラスター規模の本番向け）
  • 密ベクトル類似検索、疎/全文（BM25）検索、メタデータフィルタリングを1回のクエリで組み合わせるハイブリッド検索に対応
  • GPUアクセラレーションによるインデックス作成と、複数のインデックスタイプ（HNSW、IVF、FLAT、DiskANNなど）に対応
  • 共有インフラ上でワークロードを分離するためのマルチテナンシー対応（データベース、コレクション、パーティション、ロールベースのアクセス制御）
  • LangChain、LlamaIndexといったRAG/オーケストレーションフレームワークと直接連携し、OpenAI、Hugging Face、ローカル/セルフホストのエンベディングモデルとも連携
  • GitHubリポジトリのスター数は2026年9月時点で約46,150
  • Zilliz CloudはZillizが提供する別個の任意のマネージドホスティングサービスであり、Milvus自体を運用するために必須ではない

📍 一文で説明

Milvusは無料・オープンソースのセルフホスト可能なベクトルデータベースで、pipによる単純なインストールからKubernetesクラスターまで対応し、RAGパイプラインやセマンティック検索を支える大規模な類似検索のために構築されています。

💬 簡潔に説明

ローカルでRAGシステムを構築する際は、まずエンベディングモデルを使って文書を（数値の並びである）エンベディングに変換し、次にそのエンベディングを保存して新しい質問に最も近い一致をすばやく見つける場所が必要になります。Milvusはその保存・検索の層です。テスト目的でノートPC上の単一ファイルとして動かすことも、小規模な本番アプリ向けに1つのDockerコンテナとして動かすことも、数十億件のベクトルを扱うフルクラスターとして動かすこともでき、いずれも無料・セルフホストでアカウント登録も不要です。

📌補足: このレビューは、ローカルLLMソフトウェアディレクトリにあるMilvusのエントリーを掘り下げた詳細版です。Milvusが他のベクトルデータベースを含む数十種類のローカルAIツールと比べてどう位置づけられるかは、そちらのページを参照してください。

Milvusとは？

Milvusは、高次元のベクトルエンベディングの膨大な集合を保存・インデックス化・検索するために設計された、オープンソースのクラウドネイティブなベクトルデータベースです。 公式のGitHub説明文では「スケーラブルなベクトルANN（近似最近傍）検索のために構築された高性能なクラウドネイティブベクトルデータベース」と説明されています。ローカルLLMやRAGの文脈において、Milvus自体はLLM推論エンジンではなく、その背後にある検索インフラです。エンベディングモデルがテキスト（または画像、音声など）をベクトルに変換し、Milvusがそれを保存・インデックス化し、クエリ実行時にMilvusが新しいクエリに最も類似したベクトルを見つけることで、LLMが取得したコンテンツに基づいた回答を生成できるようになります。

  • 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

Milvusは2019年にZillizによって開発・オープンソース化されました。2020年1月に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し、2021年6月に正式にインキュベーションを卒業しました。これは、成熟度・採用実績・ガバナンスに関する明確な基準を満たしたプロジェクトにのみ財団が用いる節目です。プロジェクトは、当初の1.x系統から、2022年1月にリリースされたMilvus 2.0にかけて全面的なアーキテクチャ刷新を経て、現在も使われている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アーキテクチャへと移行しました。

  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——2.6.23は2026年8月28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。

Milvusでできること

Milvusの機能は、大規模なベクトルエンベディングの保存・検索を中心に据えつつ、本番運用のRAGに向けてハイブリッド検索やマルチテナンシーを上乗せしています。Milvus公式のドキュメントとGitHubのREADMEに基づき、各機能が実際に何をするのかを見ていきましょう。

  • 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

以下は上記で紹介したMilvusのドキュメント記載機能をもとにした具体的なワークフローであり、仮定の使用例ではありません。

Milvusの料金：本当に無料なのか？

はい——Milvus自体に有料プランはありません。 3つのデプロイモード（Lite、Standalone、Distributed）すべてにおいて、データベースはGitHubリポジトリのLICENSEファイルで確認できる通り、Apache License 2.0のもと無料・オープンソースです。

  • 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

MilvusとQdrantは、最も広く使われているオープンソースのベクトルデータベースのうち2つです。 どちらも無料・セルフホスト可能でRAGパイプライン向けのハイブリッド検索に対応しているため、よく比較の対象になります。両者の最も明確な違いは、アーキテクチャの複雑さと想定されるデプロイ規模にあります。

言語

Milvus:
Go / C++
Qdrant:
Rust

ライセンス

Milvus:
Apache-2.0
Qdrant:
Apache-2.0

デプロイモード

Milvus:
組み込み（Lite）、Standalone（Docker）、Distributed（Kubernetes/Helm）
Qdrant:
組み込み、単一ノードDocker、分散クラスターモード

GPUアクセラレーションによるインデックス作成

Milvus:
対応するインデックスタイプであれば可能
Qdrant:
中心的な注力分野ではない

ガバナンス

Milvus:
LF AI & Data Foundation（卒業済みプロジェクト）。主要コントリビューターはZilliz
Qdrant:
企業主導のオープンソースプロジェクト（Qdrant Solutions GmbH）

典型的な適性

Milvus:
より大規模で分散した本番ワークロード向け。運用にはよりアーキテクチャ上の複雑さが伴う
Qdrant:
小〜中規模のRAGアプリをセルフホストするのに、よりシンプル。運用負荷が軽い

中立的な財団によるガバナンスのもとで、数百億件規模のベクトルへの実証済みのスケーラビリティとGPUアクセラレーションによるインデックス作成を重視するなら、Milvusのアーキテクチャの方がより本格的で本番志向な選択肢です。小〜中規模のRAGプロジェクトに向けて、できるだけシンプルなセルフホストベクトルデータベースを立ち上げたいなら、Qdrantを直接評価する価値があります。詳しくはQdrantレビューを参照してください。どちらも無料・オープンソースですが、両プロジェクトとも頻繁にアップデートを行っているため、判断する前に各プロジェクトの公式サイトで最新の機能詳細を確認してください。

Milvusはどんな人におすすめか？

Milvusが向いているかどうかは、検索ワークロードの規模と、データベースを乗り換えることなくローカルでの試作から分散本番環境まで進みたいかどうかにかかっています。

Milvusと他のベクトルデータベースの比較

Milvusは、ローカルやセルフホストのRAGスタックで一般的に使われる、複数のオープンソースベクトルデータベースの1つです。全カタログはローカルLLMソフトウェアディレクトリを、最も近い一騎討ちの比較は上記の専用Milvus vs. Qdrant比較を参照してください。

  • 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。

Milvusを評価する際によくある誤解

Milvusをめぐる混乱の多くは、Zilliz Cloudと混同すること、大規模時の運用上の複雑さを過小評価すること、検索以上のことをやってくれると期待することから生じています。

よくある質問

Milvusとは何ですか？

Milvus（milvus.io、ソースはgithub.com/milvus-io/milvus）は、大規模なベクトルエンベディングの保存・検索用の無料・オープンソースのクラウドネイティブなベクトルデータベースで、RAGパイプラインの検索層としてよく使われます。

Milvusは無料ですか？

はい。Milvusは、3つのデプロイモード（Lite、Standalone、Distributed）すべてにおいて、Apache License 2.0のもと無料・オープンソースです。別個のマネージドホスティングサービスであるZilliz Cloudは任意であり、Milvusを利用するために必須ではありません。

Milvusはオープンソースですか？どのライセンスを使っていますか？

はい。Milvusは、GitHubリポジトリのLICENSEファイルの通りApache-2.0ライセンスであり、LF AI & Data Foundationによってガバナンスされています。

Milvusはどうやってインストールしますか？

Milvus Lite（組み込み、ローカルファイルベースの利用）にはpip install -U pymilvusを実行します。単一のセルフホストサーバーにはDocker Compose経由でMilvus Standaloneをデプロイし、分散Kubernetesデプロイには HelmチャートまたはMilvus Operatorを使用します。詳しくは上記の「Milvusをインストールする」セクションを参照してください。

Milvus Liteとは何ですか？

Milvus Liteは、PyMilvus Python SDKに同梱されているMilvusの組み込み版です。pip install -U pymilvusでインストールし、接続URIを（./milvus.dbのような）ローカルファイルに向ければ、別途サーバーを立てることなく完全にプロセス内で動作し、ローカルでの試作に最適です。

Milvusはローカルのエンベディングモデルを使ったRAGに対応していますか？

はい。MilvusはLangChainやLlamaIndexと連携し、そのPython SDKはSentence Transformers、BGE-M3など、OpenAIのようなクラウドプロバイダーだけでなくローカルで実行するモデルを含む各種エンベディングモデルに対応しています。

MilvusとZilliz Cloudは同じものですか？

いいえ。MilvusはLF AI & Data Foundationによってガバナンスされるオープンソースのデータベースプロジェクト自体です。Zilliz Cloudは、Milvusの主要な企業コントリビューターであるZillizが提供する、別個の任意の有料マネージドホスティングサービスです。

MilvusはGPUアクセラレーションに対応していますか？

はい。Milvusは、対応ハードウェア上でのインデックス構築・検索を大規模時に高速化する（CAGRAなどの）GPUアクセラレーション型インデックスタイプに対応しており、2.4.x系統で導入されました。

Milvusはハイブリッド検索に対応していますか？

はい。Milvusは、密ベクトル類似検索、疎/全文（BM25）検索、メタデータフィルタリングを1回のクエリで組み合わせることに対応しており、全文検索は2.5.x系統で追加されました。

MilvusはQdrantとどう比較されますか？

どちらも無料・オープンソースでセルフホスト可能なベクトルデータベースであり、ハイブリッド検索に対応しています。MilvusはGPUアクセラレーションによるインデックス作成と、LF AI & Data Foundationのガバナンスのもとでのより分散的で本番規模のアーキテクチャを提供します。Rustで書かれたQdrantは、一般的に小〜中規模プロジェクトのセルフホストにおいてよりシンプルです。詳しくは上記の専用「Milvus vs. Qdrant」セクションを参照してください。

Milvusプロジェクトは誰がガバナンスしていますか？

Milvusは（Linux Foundation傘下の）LF AI & Data Foundationの一部で、2021年6月にインキュベーションを卒業しました。2019年にMilvusを最初にオープンソース化した企業Zillizは、引き続き主要な企業コントリビューターです。

出典

← ローカルLLM活用 に戻る