milvus默认的9091和19530两个端口分别的作用是什么

在构建现代AI应用，尤其是涉及海量非结构化数据检索（如RAG系统）时，向量数据库Milvus是核心组件。作为一名AI基础设施工程师，深入理解Milvus的网络架构，特别是其默认暴露的关键端口，对于部署、监控和故障排查至关重要。Milvus默认对外暴露的两个主要端口是 19530 和 9091，它们分别承担着截然不同的职责。

1. 端口 19530：数据与控制平面 (gRPC)

19530 是 Milvus Proxy 默认监听的端口，它是客户端与 Milvus 集群进行交互的唯一入口。

作用解析

19530 端口用于承载 gRPC 协议通信，处理所有高层级的业务逻辑，包括：

1. 数据操作 (DML): 向量的插入、删除、更新和最关键的向量搜索（Search/Query）。
2. 控制操作 (DDL): 创建、删除和管理 Collection，以及创建和管理索引。
3. 连接管理: 客户端 SDK (如 PyMilvus, Go SDK) 初始化连接时，都需要指向这个端口。

在生产环境中，所有的 RAG 应用、推荐系统或图像搜索服务，都将通过这个端口发送查询请求。

实践示例：通过 19530 连接 Milvus

以下示例展示了如何使用 PyMilvus 客户端通过默认的 19530 端口连接到 Milvus 服务并执行基本操作：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
from pymilvus import connections, Collection, FieldSchema, CollectionSchema, DataType



# 假设 Milvus 在本地运行

HOST = "localhost"

PORT = "19530"



print(f"-> 尝试连接 Milvus：{HOST}:{PORT}")

connections.connect(

    alias="default", 

    host=HOST, 

    port=PORT

)



# 验证连接

print("连接成功。正在创建测试 Collection...")



# 定义 Schema

fields = [

    FieldSchema(name="id", dtype=DataType.INT64, is_primary=True),

    FieldSchema(name="embedding", dtype=DataType.FLOAT_VECTOR, dim=128)

]

collection_schema = CollectionSchema(fields, "测试 19530 端口连接")



# 创建 Collection (DDL操作)

collection_name = "test_collection"

if collection_name in connections.get_connection().list_collections():

    Collection(collection_name).drop()



collection = Collection(collection_name, collection_schema)

print(f"Collection '{collection_name}' 创建完成。")



# 插入数据 (DML操作)

vectors = [[float(i) + j * 0.1 for j in range(128)] for i in range(10)]

ids = list(range(10))

data = [

    ids,

    vectors

]

collection.insert(data)



print("数据插入成功，操作通过 19530 端口完成。")

2. 端口 9091：运维监控平面 (Metrics/Prometheus)

9091 端口在 Milvus 架构中扮演的角色是提供 运维可见性（Observability）。

作用解析

9091 端口主要用于暴露集群的运行状态和性能指标，通常是面向 Prometheus 或其他监控系统。

Milvus 的每个核心组件（如 Proxy, QueryNode, IndexNode, DataNode）都会通过这个端口暴露其内部指标，包括：

1. 系统健康度： 组件是否存活、启动时间。
2. 性能指标： 查询延迟 (P99/P95)、QPS (每秒查询次数)、插入速率。
3. 资源利用率： 内存使用、CPU 负载、磁盘I/O。
4. 内部状态： 索引构建进度、Segment 数量等。

在生产部署中，我们必须配置 Prometheus 来抓取 9091 端口的数据，从而实现自动化报警和容量规划。

实践示例：通过 9091 获取 Metrics

通过简单的 curl 命令，我们可以直接访问 9091 端口来查看 Milvus 暴露的原始指标数据。这些指标采用了 Prometheus 的文本格式。

假设 Milvus Proxy 在 localhost:9091 上暴露指标：

1
2
# 访问 Milvus Metrics Endpoint

curl http://localhost:9091/metrics

输出示例 (节选):

1
2
3
4
5
6
7
8
9
10
# HELP milvus_server_start_time_seconds Since when milvus server started

# TYPE milvus_server_start_time_seconds gauge

milvus_server_start_time_seconds 1.6788863084240755e+09

# HELP milvus_query_latency Query latency in seconds

# TYPE milvus_query_latency histogram

milvus_query_latency_bucket{status="success",le="0.001"} 0

...

# HELP milvus_insert_requests_total Total number of insert requests

# TYPE milvus_insert_requests_total counter

milvus_insert_requests_total{collection="test_collection", status="success"} 1

总结对比