金融内网环境下Milvus向量数据库离线部署实战-代码聚汇网

金融内网环境下Milvus向量数据库离线部署实战

北陌大叔·2026-08-12·阅读 23 GEO检测（免费）

Milvus向量数据库离线部署

|难度：普通|阅读约 10 分钟

1. 项目背景与挑战

去年在给某金融机构做知识库升级时，遇到了一个棘手的技术难题：客户内网环境完全隔离，无法访问任何外部镜像仓库，但业务又急需部署Milvus向量数据库来实现语义检索功能。这种"网络孤岛"环境下的离线部署需求，在金融、军工等行业其实非常普遍。

当时尝试了各种方案，最终摸索出一套完整的离线部署流程。整个过程涉及到Docker镜像离线导出、依赖组件兼容性处理、WSL2环境配置等多个技术环节，期间踩过的坑和总结的经验，对类似场景下的工程师应该会有直接参考价值。

需要模型API调用？免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。

2. 离线部署方案设计

2.1 核心组件分析

Milvus的标准部署包含以下关键组件：

核心服务：query node/data node/index node等
存储引擎：etcd（元数据存储）、MinIO/Pulsar（对象存储）
管理工具：Attu（Web UI）

在离线环境下，需要提前准备所有这些组件的Docker镜像。经测试发现，官方镜像存在以下依赖关系：

Milvus镜像基于Ubuntu 20.04
需要特定版本的etcd（v3.5.5）
Pulsar镜像包含JDK11运行时

2.2 镜像获取方案对比

方案	优点	缺点	适用场景
官方离线包	版本匹配完善	文件体积大（约8GB）	网络完全隔离
自行导出	可定制组件	需解决依赖冲突	部分网络访问
第三方仓库	下载速度快	存在安全风险	不推荐

最终选择在可联网环境提前下载这些镜像：

bash复制docker pull milvusdb/milvus:v2.3.3
docker pull bitnami/etcd:3.5.5
docker pull apachepulsar/pulsar:2.10.2

3. 详细实施步骤

3.1 镜像导出与传输

在可联网机器上执行：

bash复制docker save -o milvus.tar milvusdb/milvus:v2.3.3
docker save -o etcd.tar bitnami/etcd:3.5.5
docker save -o pulsar.tar apachepulsar/pulsar:2.10.2

通过安全U盘将tar文件拷贝到目标机器后：

bash复制docker load -i milvus.tar
docker load -i etcd.tar
docker load -i pulsar.tar

重要提示：确保导出和导入使用相同架构（amd64/arm64）

3.2 WSL2环境配置

在Windows 11上配置：

启用Hyper-V和虚拟机平台功能
安装WSL2内核更新包

设置默认版本：

powershell复制wsl --set-default-version 2

创建Ubuntu 20.04实例：

powershell复制wsl --install -d Ubuntu-20.04

3.3 离线安装Docker

在WSL2中：

bash复制# 下载离线包
curl -O https://download.docker.com/linux/ubuntu/dists/focal/pool/stable/amd64/docker-ce_20.10.12~3-0~ubuntu-focal_amd64.deb

# 安装依赖
sudo dpkg -i ./docker-ce*.deb
sudo apt-get install -f

3.4 编写docker-compose.yml

关键配置示例：

yaml复制services:
  etcd:
    image: bitnami/etcd:3.5.5
    environment:
      - ETCD_ADVERTISE_CLIENT_URLS=http://etcd:2379
      - ETCD_LISTEN_CLIENT_URLS=http://0.0.0.0:2379

  pulsar:
    image: apachepulsar/pulsar:2.10.2
    command: bin/pulsar standalone

  milvus:
    image: milvusdb/milvus:v2.3.3
    depends_on:
      - etcd
      - pulsar
    ports:
      - "19530:19530"

4. 常见问题解决

4.1 端口冲突处理

典型错误日志：

code复制Error starting userland proxy: listen tcp4 0.0.0.0:19530: bind: address already in use

解决方案：

查找占用进程：

bash复制sudo netstat -tulnp | grep 19530

修改compose文件中的端口映射：
```
yaml复制ports:
  - "19531:19530"
```

4.2 存储权限问题

WSL2中出现的典型错误：

code复制mkdir: cannot create directory '/var/lib/milvus/data': Permission denied

解决方法：

bash复制sudo chown -R 1000:1000 /var/lib/milvus

4.3 时间同步问题

容器日志出现：

code复制etcdserver: the clock difference against peer is too large

解决方案：

bash复制sudo apt install ntpdate
sudo ntpdate pool.ntp.org

5. 验证与优化

5.1 基础功能测试

使用Python SDK验证：

python复制from pymilvus import connections, utility

connections.connect("default", host="localhost", port="19530")
print(utility.list_collections())

5.2 性能调优建议

调整WSL2内存限制：
```
text复制[wsl2]
memory=8GB
```
保存为%USERPROFILE%\.wslconfig

修改Milvus配置：

yaml复制queryNode:
  cacheEnabled: true
  cacheMemoryLimit: 4096

6. 扩展方案

对于需要长期维护的场景，建议：

搭建本地Registry：

bash复制docker run -d -p 5000:5000 --restart=always --name registry registry:2

推送镜像到内网仓库：

bash复制docker tag milvusdb/milvus:v2.3.3 localhost:5000/milvus
docker push localhost:5000/milvus

实际部署中发现，在32核/64GB内存的物理机上，该方案可支持每秒5000+的向量查询量，完全满足金融风控场景的实时性要求。整个离线部署过程虽然比在线安装复杂，但通过合理的镜像管理和配置优化，最终实现了与云端部署相当的性能表现。