深度解读：从Two Sum到 Kafka 再到Milvus与iceberg，数据库寻址中，计算永远优于查找
深度解读：从Two Sum到 Kafka 再到Milvus与iceberg，数据库寻址中，计算永远优于查找做后端、大数据、分布式存储的同学，大概率都遇到过这样的问题：
来自主题: AI技术研报
5926 点击 2026-01-21 16:08
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
做后端、大数据、分布式存储的同学，大概率都遇到过这样的问题：
故事得从我们那个行业交流群说起。
今天在讲Milvus的Attu之前，我们先来唠一段计算机行业的八卦。
本文为Milvus Week系列第7篇，该系列旨在把Zilliz团队过去半年多积累的先进的技术实践和创新整理成多篇干货深度文章发布。
在架构层面，Milvus 2.6 大幅简化系统架构，整合多个核心组件 —— 例如将原有的 Coordinator 组件（含 RootCoord、QueryCoord、DataCoord）统一整合为 MixCoord，并将 IndexNode 与 DataNode 合并为单一组件。这些调整不仅降低了系统复杂度，更显著提升了系统的可维护性与横向扩展性。
业务团队可能说他们想要个负重一吨，时速两百公里的马车…… 现如今，借助向量检索能力，实现基于语义相似度的智能搜索，已经是所有电商、推荐、社区平台技术架构的重要一环。 作为拥有约 1.08 亿日活、 1
静态编排 VS 动态编排，谁是多agent系统最优解？通常来说，面对简单问题，采用react模式的单一agent就能搞定。可遇到复杂问题，单一agent就会立刻出现包括但不限于以下问题：串行执行效率低：无法同时完成并行的子步骤（如 “同时爬取 A、B 两个网站的数据”）。
同样是语义相似度结合时效性做rerank，指数衰减、高斯衰减、线性衰减怎么选？ 假设你要在一个新闻应用中落地语义检索功能，让用户搜索雷军的投资版图盘点时，能自动关联顺为资本、小米战投等核心关联信息。
在 AI 圈，如果你关注基础设施、尤其是向量数据库，那你大概率听说过 Zilliz。2023 年，黄仁勋在 GTC 大会上的一次点名推荐，让这家公司进入大众视野。但真正吸引我注意的，是 Zilliz 创始人星爵年初的一篇访谈文章，标题叫做：《我们没有对手》 ——在商界如此直白地表达自信非常罕见，这让我确信他对自己做的事有极强的信念和实际领先优势。
MariaDB 最近发布了 MariaDB Community Server 11.8，作为 2025 年的年度长期支持（LTS）版本，现已普遍可用。新版本引入了集成的向量搜索功能，适用于 AI 驱动和相似性搜索应用程序，增强了 JSON 功能，并提供了用于数据历史和审计的时态表。