一、WSL Linux 部署单机版 Milvus 指南
1. 环境准备与硬件验证
硬件要求（需满足以下至少一项）：
软件依赖：
-
Docker 19.03+ 和 Docker Compose 1.25.1+
2. 下载Milvus 安装yml文件
# 1. 下载官方部署脚本
$ wget https://github.com/milvus-io/milvus/releases/download/v2.5.6/milvus-standalone-docker-compose.yml -O docker-compose.yml
3. 修改docker-compose.yml配置
services:
etcd:
restart: always #保证docker 重启后会自动启动
....
minio:
restart: always #保证docker 重启后会自动启动
ports:
- "19001:9001" # 保证后续安装RAGflow 不会出现Minio 端口冲突
- "19000:9000" #
....
standalone:
restart: always
....
4. 容器修改 milvus.yaml
# 进入 Milvus 容器（替换 CONTAINER_ID）
docker exec -it milvus-standalone /bin/bash
# 启用认证
sed -i 's/authorizationEnabled: false/authorizationEnabled: true/g' /milvus/configs/milvus.yaml
docker exec -it milvus-standalone cat /milvus/configs/milvus.yaml | grep authorizationEnabled
显示为：true
5. 启动服务并验证服务状态
docker compose up -d
Milvus 可视化界面ATTU检查是否可以正常连接(Windows安装)
-
-
https://github.com/zilliztech/attu.git
二、WSL Linux 部署 dify 的指南
1. 基础环境配置
# Step1. 克隆仓库（建议国内用户使用镜像源）
git clone https://github.com/langgenius/dify.git
# Step2. 配置。env环境变量
cd dify/docker
cp .env.example .env
sudo vim .env
---------------------------------------------
# The type of vector store to use.
# VECTOR_STORE=weaviate # 注释掉默认向量库配置
VECTOR_STORE=milvus
# The milvus uri.
MILVUS_URI=http://172.18.0.1:19530
MILVUS_TOKEN=
MILVUS_USER=your_user
MILVUS_PASSWORD=your_pass
MILVUS_ENABLE_HYBRID_SEARCH=True
--------------------------------------------
Step3: 修改 docker-compose.yaml 配置
# 注释掉 Dify 关于 Milvus的配置，避免重复下载，与已经安装好的Milvus 冲突
Milvus vector database services
etcd:
container_name: milvus-etcd
....
minio:
container_name: milvus-minio
....
milvus-standalone:
container_name: milvus-standalone
....
2. 启动与集成
docker compose up -d
# 这里会默认pull redis 、Postgre 、
显示结果如上图即 Milvus+Dify 初步配置成功
3. 启动Dify → 创建知识库
— Attu 里面可以看到 相应的collection 生成，说明 部署集成Milvus+Dify 已经成功
避坑指南：
-
端口冲突：若 8080 端口被占用，需修改 .env中的NGINX_PORT和EXPOSE_NGINX_PORT -
向量库连接失败：检查 Milvus 的 19530 端口是否开放（ telnet 127.0.0.1 19530） -
GPU 支持：若需 GPU 加速，安装 NVIDIA Container Toolkit 并在 docker-compose.yml添加deploy.resources.reservations.devices配置
三、典型问题解决方案库
|
|
|
|
|---|---|---|
|
|
docker logs milvus-standalone2. 验证 CPU 指令集支持 3. 查看 /var/lib/milvus/logs |
|
|
|
2. 查看 API 容器日志 3. 验证存储卷权限 |
chmod -R 777 ./storage |
|
|
2. 验证向量维度匹配 3. 测试相似度阈值 |
similarity_score_threshold 至 0.75-0.85 区间 |
|
|
docker stats2. 分析 OOM Killer 日志 3. 检查线程死锁 |
docker-compose.yml 中配置内存限制 |
四、性能优化建议
-
缓存策略：为高频查询配置 Redis 二级缓存 -
批量处理：对大批量文档启用 batch_size=500参数，减少 IO 开销 -
硬件加速：使用支持 Tensor Core 的 GPU（如 T4/A10）运行 BGE-M3 向量模型 -
集群部署：数据量超 1 亿时，建议采用 Milvus 分布式集群（需 Kubernetes 环境）
