简介：

今天小李哥将介绍亚马逊推出的云平台4代高性能计算处理器Gravition，并利用该处理器构建生成式AI向量数据库。利用向量数据库，我们可以开发和构建多样化的生成式AI应用，如RAG知识库，特定领域知识的聊天机器人等。我们今天将手把手带大家在亚马逊云科技上，搭建一个目前大热的Milvus开源向量数据库，并利用VectorDBBench软件对向量数据库进行基准测试，了解Graviton如何提升AI向量数据库的性能、优化成本。

在本系列上偏中，我将介绍如何在云平台上创建Graviton芯片基础设施，并在Graviton芯片服务器上安装Milvus开源向量数据库。在系列下篇中，我们将利用数据库基准测试软件，比较不同芯片服务器上的向量数据库性能。

方案所需基础知识

什么是Graviton4代芯片？

Amazon Graviton 4 处理器由亚马逊云科技定制设计的第四代高性能、低功耗处理器，旨在为 Amazon 计算服务中的工作负载提供最佳性价比，相对于传统计算类工作负载（Graviton2）提供高达40%的性价比提升。与常见的 x86 处理器相比，基于 Graviton 4 的 EC2 实例具有以下特性：

• 每个 vCPU 独占一个物理核心的计算资源，而非通过 SMT 技术获得一个线程；

• 每个 vCPU 拥有更大的 L1/L2 Cache 容量；

• 更快的内存带宽和更低的内存延时。

• Graviton 处理器支持众多 Linux 操作系统，包括 Red Hat Enterprise Linux、SUSE 和 Ubuntu 等。

• Graviton 兼容众多云原生服务和开源软件，兼容亚马逊云科技上的开发工具，数据库，容器，分析，无服务器等服务，拥有丰富的应用生态。

最新发布的第 4 代 Graviton 处理器(基于 Arm Neoverse-V2，ARMv9.0-a)；主频提升，L2 缓存翻倍，L3 缓存容量提升，支持 SVE2； 内存：12*DDR5-5600(前代采用 8*DDR5-4800)，内存带宽提升 75%；

什么是Milvus开源向量数据库？

Milvus 是全球最流行的开源向量数据库之一。Milvus 是一个高度灵活、可靠且速度极快的云原生开源向量数据库。它为 embedding 相似性搜索和 AI 应用程序提供支持，并努力使每个组织都可以访问向量数据库。 Milvus 可以存储、索引和管理由深度神经网络和其他机器学习（ML）模型生成的十亿级别以上的 embedding 向量。

什么是VectorDBBench基础测试软件？

VectorDBBench 是一个开源的向量数据库基准测试工具，专为评估向量数据库系统的性能而设计。它能够帮助用户测试和比较不同的向量数据库，以确定最适合其特定用例的数据库系统。通过 VectorDBBench，开发者可以基于实际的向量数据库性能做出明智的决策，提供性能对比参数有查询每秒（QPS）、延迟、成本等关键指标，基于综合对比结果，可以帮助开发者选择最合适的开源向量数据库。

本实践包括的内容

1. 创建安装开源向量数据的云基础设施（Graviton芯片和Intel芯片服务器）

2. 了解亚马逊云科技Graviton4代高性能、低功耗芯片

3. 在亚马逊云科技上安装Milvus开源向量数据库

项目实操步骤

创建向量数据库基础设施

1. 首先我们进入亚马逊云科技控制台，进入EC2服务

2. 点击Launch Instance创建一台EC2服务器

 3. 在芯片架构处，我们选择r8g实例用于创建Graviton芯片服务器。

4. 创建SSH登录秘钥对

5. 为密钥对命名，并选择pem类型，点击右下角创建。

6. 运行以下命令为密钥对授权，用于SSH登录服务器

chmod 400 test-only.pem

7. 为EC2服务器添加VPC和子网配置

8. 选择配置防火墙安全组，在防火墙入站规则中添加允许SSH从0.0.0.0/0 IP范围访问

9. 并选择服务器存储，我们选择gp3类型的80GiB的磁盘存储。

10. 通过以下命令SSH登录到EC2服务器中，将创建好的EC2服务器IP地址替换到命令中“EC2实例公网 IP 地址”字段

ssh -i /path/key-pair-name.pem ec2-user@EC2实例公网 IP 地址

11. 进入到服务器中，我们运行以下命令安装docker-compose包。

sudo su - rootdnf install -y docker git htop
systemctl start docker
ARCH=$(arch)
curl -SL https://github.com/docker/compose/releases/download/v2.12.2/docker-compose-linux-${ARCH} \-o ./docker-compose
chmod +x docker-compose
mv docker-compose /usr/bin/

12. 我们从Github上下载Milvus向量数据的Docker Compose配置文件并启动向量数据库

mkdir ~/milvus
cd ~/milvus
wget https://github.com/milvus-io/milvus/releases/download/v2.4.5/milvus-standalone-docker-compose.yml -O docker-compose.yml## 启动
docker-compose up -d## 查看状态
docker-compose ps

输出结果如下

 13. 运行以下命令启动MIlvus向量数据库可视化管理工具

docker run -d -p 8000:3000 -e MILVUS_URL=$(hostname -i):19530 zilliz/attu:v2.4

14. 打开服务器的8000端口，如http://IP:8000，进入Milvus服务器管理界面，并点击链接按键进入向量数据库

15. 进入后我们就可以看到Milvus初始化创建的默认数据库了

 16. 点击default数据库进入详细信息界面，我们可以看到数据库状态、创建时间、目前保存的数据量、向量数据库Schema架构等信息。

以上就是利用亚马逊云科技自研Graviton4代芯片构建高性能、低成本AI向量数据的上篇内容。欢迎大家关注小李哥的亚马逊云科技AI服务深入调研系列，关注小李哥未来不要错过更多国际前沿的AWS云开发/云架构方案。