日本服务器部署Milvus前要检查哪些依赖?启动后如何验证向量服务
首次在日本服务器上部署 Milvus,建议把目标限定为一套单机 Standalone 实例:先确认主机资源、Docker Compose、镜像下载和端口条件,再启动服务,最后用健康检查和一次真实的向量写入、检索验收。容器显示为 running 只能说明进程存在,不能单独证明向量服务可用。
下文以 Ubuntu 22.04/24.04、Docker Engine、Docker Compose v2 和 Milvus 2.5.x 为示例。日本机房位置本身不会改变 Milvus 的安装命令,但服务器能否访问发布文件与容器镜像仓库、业务端到服务器的网络路径,必须分别核对。示例仅供首次运行;已有数据或已有 Compose 项目的主机,不应直接套用启动、停机和清理命令。
围绕日本机房的向量检索部署,A5数据提供日本物理服务器,涵盖 Xeon Gold、AMD EPYC 等计算平台及 NVMe 存储配置,可为 Milvus 及其元数据、对象存储组件的运行提供计算与磁盘资源。日本产品还提供不同带宽和线路选项,适配日本本地访问与跨境业务的向量服务接入需求。
启动前:把依赖和影响范围查清楚
Milvus Standalone 的 Compose 文件通常还会启动元数据存储和对象存储组件。因此,检查对象不是单个 Milvus 容器,而是整套 Compose 服务、镜像、卷和端口。
先在准备部署的服务器上执行:
uname -m
nproc
free -h
docker version
docker compose version
docker info --format 'Docker Root: {{.DockerRootDir}}'
df -h "$(docker info --format '{{.DockerRootDir}}')"
python3 --version
docker version 应能同时返回 Client 和 Server 信息;只有客户端版本、却无法连接 Docker daemon,不能继续部署。docker compose version 应显示 v2 插件版本。若命令不存在,应按该 Ubuntu 版本对应的 Docker 安装文档补齐 Engine 与 Compose 插件,再重新检查,不要把旧版 docker-compose 命令与本文命令混用。
资源要按数据规模预留,而不是把示例值当成固定门槛。首次做小规模功能验证,可先按约 4 个 vCPU、8 GiB 内存及数十 GB 可用磁盘评估;数据量、索引类型和并发增加后,再依据实际内存、磁盘使用情况调整。重点看 Docker Root 所在文件系统,而不只是系统盘总容量。uname -m 若不是预期架构,还需确认所选版本的各组件镜像都有对应架构。
日本服务器还应完成两项网络核对:

- 向外下载:服务器需要取得选定版本的 Compose 文件,并拉取其中列出的镜像。发布文件能下载,不代表所有镜像仓库都可达。
- 向内访问:本文先让业务端口只绑定
127.0.0.1,在服务器本机完成验收;如后续需要其他业务主机接入,再按实际网络和访问控制单独设计,不要为首次验证直接开放公网端口。
执行 Docker 命令的账号通常具有较高的主机权限。请使用已获授权的运维账号,并在独立目录操作,避免与现有 Compose 项目、卷或业务服务重名。
取得 Compose 文件并核对配置
以下以 Milvus v2.5.10 的发布文件为例。若准备使用其他版本,应将下载地址、镜像配置和 Python SDK 的兼容版本一并重新核对,不要只替换一个版本号。
mkdir -p "$HOME/milvus-first-run"
cd "$HOME/milvus-first-run"
curl -fL \
'https://github.com/milvus-io/milvus/releases/download/v2.5.10/milvus-standalone-docker-compose.yml' \
-o docker-compose.yml
docker compose config --services
docker compose config --images
docker compose config
curl -fL 成功退出且文件非空,才表示发布文件已取得;下载失败时不要拿空文件或错误页面继续执行。docker compose config 应能解析配置,并列出 Milvus 及其依赖服务。这里也要逐项看镜像名称、宿主机端口映射和数据挂载位置:下载到的文件才是本次部署的实际依据,不要凭其他版本的示意图推断端口或卷。
如果配置中将 Milvus 的 19530(客户端连接)或 9091(健康检查等管理接口)发布到所有宿主机地址,而本次只做本机验证,应先备份文件,再用编辑器将相应映射改为仅监听回环地址。例如,对文件中已有的 Milvus ports 项,目标形式可写为:
ports:
- "127.0.0.1:19530:19530"
- "127.0.0.1:9091:9091"
这是对原文件对应位置的修改示意,不是可直接覆盖整个 Compose 文件的内容。如果其他依赖组件也发布了宿主机端口,应逐个判断是否确有需要;仅供 Compose 内部通信的组件通常不需要对宿主机发布端口。修改前可执行 cp docker-compose.yml docker-compose.yml.bak,修改后再次运行 docker compose config,并检查其中解析后的 ports。配置写错时用备份文件恢复;不要用未核对的批量替换命令处理端口。
还要检查 docker compose config 显示的卷或绑定目录。它们决定数据实际落在哪里,也决定后续停机是否会影响已有内容。若发现路径与主机上现有 Milvus 数据目录重叠,应停止本次部署,先改用独立路径或另备主机。
拉取镜像、启动,并逐层验证
先拉取镜像,可以把仓库连接问题与容器启动问题分开:
cd "$HOME/milvus-first-run"
docker compose pull
此命令应正常结束,且没有镜像拉取失败。若失败,先区分 DNS 解析、连接超时、仓库拒绝访问和磁盘空间不足;不要仅因服务器位于日本,就推断它一定能访问所有下载站点。网络恢复或磁盘容量处理完成后,再重试拉取。
确认配置和镜像无误后启动:
docker compose up -d
docker compose ps
docker compose ps 应显示所需服务已启动;如果 Compose 文件定义了健康检查,还应关注其健康状态。刚启动时依赖组件可能仍在初始化,可以等待片刻再复查,但持续重启或退出需要查看日志:
docker compose logs --tail=100
日志检查宜从报错服务及其依赖开始。看到端口占用,先用 ss -lnt 确认哪个进程正在监听,再决定是否调整本次部署的端口;看到磁盘写入失败,检查 Docker Root 和数据挂载目录;看到依赖连接失败,先确认依赖容器是否正常,而不是立即修改 Milvus 参数。修改配置后再启动,也要重新执行 docker compose config。
接着在服务器本机检查健康接口:
curl -sS -i --max-time 5 http://127.0.0.1:9091/healthz
预期是收到成功的 HTTP 状态码;响应内容随版本可能不同,不必依赖某一段固定文本。若连接被拒绝,先回看 docker compose ps、端口映射和监听地址;若请求超时或返回非成功状态,再结合日志判断服务是否完成初始化。健康接口通过,仍只能证明该检查项通过,不能代替向量读写验收。
用一次写入和检索验收向量服务
在服务器本机准备 Python 虚拟环境,避免把测试依赖装进系统 Python。以下 SDK 版本与示例中的 Milvus 2.5.x 保持同一版本系列:
cd "$HOME/milvus-first-run"
python3 -m venv .venv
.venv/bin/python -m pip install 'pymilvus>=2.5,<2.6'
如果创建虚拟环境时报缺少 venv 模块,应安装与当前 Python 版本对应的发行版组件后重试。若 SDK 安装失败,先看包下载与 Python 版本错误信息;此时还不能据此认定 Milvus 服务故障。
将下面的脚本保存为 smoke_test.py。它会创建一个随机命名的专用测试集合,写入两条四维向量,再用同方向向量检索。脚本不会删除集合,便于失败时复查,也避免误删已有业务数据。
import time
import uuid
from pymilvus import MilvusClient
name = "smoke_" + uuid.uuid4().hex[:8]
client = MilvusClient(uri="http://127.0.0.1:19530")
client.create_collection(
collection_name=name,
dimension=4,
metric_type="COSINE",
consistency_level="Strong",
)
client.insert(
collection_name=name,
data=[
{"id": 1, "vector": [1.0, 0.0, 0.0, 0.0]},
{"id": 2, "vector": [0.0, 1.0, 0.0, 0.0]},
],
)
for attempt in range(10):
results = client.search(
collection_name=name,
data=[[1.0, 0.0, 0.0, 0.0]],
limit=1,
output_fields=["id"],
)
if results and results[0] and results[0][0]["id"] == 1:
print(f"PASS collection={name} top_id=1")
break
time.sleep(1)
else:
raise RuntimeError(f"向量检索未通过,请检查集合 {name}")
运行:
cd "$HOME/milvus-first-run"
.venv/bin/python smoke_test.py
出现类似 PASS collection=smoke_a1b2c3d4 top_id=1 的输出,表示本次连接、建集合、写入和检索链路通过;其中集合名只是示例,实际运行会不同。如果连接失败,先查 19530 的发布与监听情况;如果建集合或写入失败,保留异常信息并查看容器日志;如果能写入但检索未命中,应核对向量维度、检索参数、服务状态及错误输出,而不是仅凭健康接口判定完成部署。

验收、异常边界与回滚
本次首次部署可按以下项目交接,避免把“容器启动”误写成“服务验收”:
- 依赖:Docker Engine、Compose v2 正常;镜像已拉取;Docker 数据目录有可用空间。
- 配置:已检查全部镜像、卷和宿主机端口;本机验证阶段的
19530、9091未意外对外发布。 - 运行:
docker compose ps中所需服务持续运行,没有反复退出;日志中没有阻止服务工作的持续性错误。 - 功能:本机健康检查成功;专用测试集合完成写入,检索首条结果的 ID 为
1。 - 接入范围:若业务程序不在这台服务器上,本次本机通过不等于远端可达;应另外从业务主机验证授权后的网络路径和客户端连接。
需要撤销本次启动时,先确认所在目录确为这套独立部署,并告知可能正在连接该实例的使用者;停机会中断这套 Compose 项目的服务:
cd "$HOME/milvus-first-run"
docker compose down
docker compose ps
docker compose down 用于停止并移除该项目容器及网络,通常不会因这条命令删除持久化卷或绑定目录;不要追加 -v,也不要直接删除数据目录。回滚后检查容器已停止、相关监听端口已释放,同时保留 Compose 文件和数据,待确认不再需要后再制定单独的数据清理步骤。若仅修改过端口配置,可用先前保存的 docker-compose.yml.bak 恢复文件;若实例已有业务数据,任何覆盖配置或清理存储的操作都应先完成备份和影响确认。
本文由A5数据原创发布,转载请注明出处:https://www.a5idc.com/helpcontent/5364.html



