当生成式 AI 和大模型应用从实验走向生产，企业数据架构正在发生深刻变化：一方面，核心交易、实时分析等传统数据库场景，仍然需要高可靠、低时延的存储底座；另一方面，语义搜索、推荐系统、检索增强生成（RAG）等 AI 应用正在推动向量数据库快速进入生产环境。

这意味着，企业需要的不再只是“能承载数据库”的存储，而是一套既能支撑传统数据库，又能面向 AI 场景提供高 IOPS、低延迟、弹性扩展能力的统一数据基础设施。

XSKY 星辰天合星飞全闪存储（XEBS 星飞极速版、XHERE 星飞极速版）凭借全闪分布式架构，可统一适配关系型数据库与向量数据库全场景；不仅与多款关系型数据库完成互认证，而且在 Milvus 向量数据库实测中，星飞全闪性能表现优异，为企业数据与 AI 应用筑牢高性能存储根基。

星飞全闪与多款数据库完成互认证

近日，星飞全闪存储已经完成了与多款主流数据库产品的适配和互认证：

• 腾讯云 TDSQL V10.3

星飞全闪存储完成与 TDSQL 的深度存算分离实践验证，可为核心交易类数据库场景提供高性能、高可靠的块存储底座。

• 平凯数据库（TiDB 企业版）V7.1

星飞全闪存储完成与 TiDB 的联合解决方案认证，可支撑 OLTP/OLAP 混合负载下的数据库运行需求。

这些认证说明，星飞全闪存储已经能稳定支撑企业级传统数据库场景。

但新的问题随之而来：如果说传统数据库主要处理结构化数据，那么在 AI 时代，企业越来越多的数据来自文档、图片、音频、视频、日志、知识库等非结构化内容。这些数据需要先经过 Embedding 模型转化为高维向量，再通过向量数据库完成相似度检索。

传统数据库场景中表现出色的全闪存储，能否继续支撑 AI 场景下向量数据库对高并发、低延迟和海量小文件访问的极限要求？这正是向量数据库场景要回答的问题。

Milvus + 星飞：面向 AI 应用的向量数据库存储底座

1、向量数据库正在成为 AI 应用关键基础设施

向量数据库的价值，在于让 AI 应用能够理解和检索“语义相似”的内容，而不再只依赖关键词匹配。文本、图片、音频、视频、知识片段等数据，都可以通过 Embedding 模型转化为高维向量，并在向量数据库中进行相似度搜索。

因此，向量数据库正在被广泛应用于多类 AI 场景：

• 语义搜索
  

将文档、知识库、图片、音频等非结构化数据向量化，实现基于语义相似度的搜索，不再局限于关键词匹配。

• 推荐系统
  

把用户行为、商品特征和内容标签等转化为向量，通过相似度计算实现个性化推荐。

• 多模态检索
  

支持以文搜图、以图搜图、视频/音频相似检索等能力，帮助企业在海量多媒体数据中快速找到相似内容。

• 智能客服与知识问答
  

将 FAQ、产品文档、工单记录、运维手册等内容向量化，帮助客服系统快速召回相似问题和答案。

• RAG（检索增强生成）
  

大语言模型在生成回答前，先从向量数据库中检索企业知识库，提升回答准确性、降低幻觉，让模型具备企业私域知识能力。

在这些场景中，向量数据库既是 AI 应用的“记忆库”，也是大模型连接企业真实数据的重要入口。Milvus 作为业界主流的开源向量数据库，能够为海量高维向量提供高效、可扩展的存储与检索能力，因此被广泛用于语义搜索、推荐系统和 RAG 等 AI 应用中。

2、向量数据库对存储提出更高挑战

与传统数据库相比，向量数据库的存储需求有明显不同。尤其在 Milvus 这类面向海量向量检索的系统中，存储性能会直接影响查询响应速度、并发能力和业务体验。

• 海量索引文件带来小文件压力

向量检索通常依赖 ANN（近似最近邻）索引算法，例如 DiskANN、HNSW 等。索引构建过程中会产生大量索引文件和元数据文件，对存储系统的小文件 IOPS、随机读写和元数据处理能力提出更高要求。

• 高并发检索要求低延迟响应

AI 应用中的语义搜索、推荐和 RAG 通常需要在毫秒级完成检索。一次查询可能触发大量随机 I/O，存储延迟会直接影响用户侧响应时间。

• 数据规模持续增长

随着企业知识库、多模态数据和用户行为数据不断积累，向量数据规模会从百万级扩展到千万级、亿级甚至更高。存储系统不仅要能扩容，还要在扩容后继续保持稳定性能。

• 混合 I/O 负载更加复杂

Milvus 同时承担向量写入、索引构建、相似度检索、元数据访问等任务，既有顺序写，也有随机读，还包含低延迟点查，对存储系统的综合能力要求更高。

这也是为什么，在 AI 大模型时代，向量数据库不仅挑战数据库系统本身，也在挑战底层存储的性能极限。

3、星飞全闪如何支撑 Milvus 向量检索

XEBS 星飞极速版是基于 XSEA 星海架构打造的全闪分布式块存储系统，可为 Milvus 的数据文件、索引文件和日志文件提供高 IOPS、低延迟的块设备支持，适用于向量检索这类对随机读写和时延高度敏感的场景。

XHERE 星飞极速版是面向全闪数据中心的企业级超融合平台，深度融合计算、网络与多协议存储能力，可帮助企业以“计算 + 存储 + 数据库”的方式构建面向 AI 应用的私有化基础设施。

在 Milvus 场景中，星飞全闪存储的价值主要体现在：

• 支撑高并发语义检索

通过全闪低延迟能力，提升向量相似度搜索的响应速度，满足 AI 应用对实时检索的要求。

• 优化大量索引文件访问

面对 DiskANN、HNSW 等索引结构产生的大量文件，提供更强的随机读写和小文件处理能力。

• 保障 RAG 链路体验

RAG 应用中，检索阶段是大模型生成回答前的关键步骤。存储性能越稳定，知识召回越快，整体问答体验越好。

• 支持数据规模弹性增长

随着企业知识库和多模态数据持续增长，星飞全闪存储可为向量数据库提供可扩展的数据底座。

4、实测表现：QPS 达到 VMware vSAN 的 3-4 倍

在 Milvus 性能测试中，使用 VectorDB Bench 测试工具，基于 DiskANN 索引算法，在 Search Performance Case 的 Medium Dataset 场景下进行测试。测试数据规模为 100 万条向量数据、768 维向量，对比 Milvus 在三种不同存储方案上的表现：XEBS（星飞极速版）、XHERE（星飞极速版）以及 VMware vSAN。

测试结果显示：星飞全闪存储的 QPS 达到 VMware vSAN 的 3-4 倍，同时保持较高召回率。

这意味着，在百万级向量数据的相似度搜索场景中，星飞全闪存储能够为 Milvus 提供更高的查询吞吐能力，帮助语义搜索、推荐系统和 RAG 等 AI 应用获得更快的检索响应。

结论：星飞全闪块存储能够为 Milvus 向量数据库提供企业级高性能支撑，在高并发、低延迟、高召回率的向量检索场景中，帮助 AI 应用更好应对向量数据库带来的存储极限挑战。

一套星飞全闪底座，支撑多元数据场景

从 TDSQL、TiDB 等传统数据库生态互认证，再到 Milvus 向量数据库的优异实测表现足以证明：星飞全闪存储，已成为面向企业数据 + AI 全场景、可承载向量数据库极限负载的高性能全闪底座。

当 AI 应用持续深入企业业务，向量数据库对存储系统的挑战还会继续升级。无论是结构化数据的交易处理、分析处理，还是非结构化数据的语义检索、向量搜索和 RAG 应用，星飞全闪存储都可以提供高性能、可扩展、易运维的统一存储支撑。

如果您的业务场景中也遇到过存储和数据库的选型难题，欢迎致电 400-016-6101 咨询了解 XSKY星飞全闪存储的详细信息。