𝗛𝗲𝗿𝗲'𝘀 𝗮 𝗰𝗼𝘀𝘁 𝘁𝗿𝗶𝗰𝗸 𝗺𝗼𝘀𝘁 𝘁𝗲𝗮𝗺𝘀 𝗺𝗶𝘀𝘀 𝘄𝗶𝘁𝗵 𝘁𝗵𝗲𝗶𝗿 𝘃𝗲𝗰𝘁𝗼𝗿 ...

Milvus(@milvusio)

Milvus(@milvusio)2026年5月4日

𝗛𝗲𝗿𝗲'𝘀 𝗮 𝗰𝗼𝘀𝘁 𝘁𝗿𝗶𝗰𝗸 𝗺𝗼𝘀𝘁 𝘁𝗲𝗮𝗺𝘀 𝗺𝗶𝘀𝘀 𝘄𝗶𝘁𝗵 𝘁𝗵𝗲𝗶𝗿 𝘃𝗲𝗰𝘁𝗼𝗿 ...

8.7内容质量

TL;DR · AI 摘要

Milvus 提出通过 compaction（段合并与物理删除）和 TTL（自动过期）两项内置机制，可显著降低向量数据库存储成本，尤其适用于会话数据、时效性 RAG 等有生命周期的数据场景。

核心要点

向量数据库中逻辑删除不释放磁盘空间，导致存储膨胀达2–5倍
Compaction 物理合并段并清除已删向量，需避开业务高峰执行
TTL 可自动清理过期数据，配合 compaction 实现零手动运维的成本优化

结构提纲

按章节快速跳转。

§问题提出
指出多数团队忽视向量数据库存储成本，直到账单激增才发现磁盘持续膨胀。
·根本原因
Milvus 等追加写系统中删除仅标记而非物理移除，旧段残留导致查询低效与空间浪费。
·核心解法：Compaction
合并小段、物理删除已标记行，但 I/O 密集，建议离峰调度。
·核心解法：TTL
按时间自动过期数据，彻底规避手动清理，天然适配会话/时效性 RAG 场景。
§效果与适用场景
二者组合可大幅削减实际存储开销，特别适合有明确生命周期的数据工作负载。

思维导图

用一张图看清主题之间的关系。

查看大纲文本（无障碍 / 无 JS 友好）

Milvus 存储成本优化
- 问题根源
  - 追加写系统逻辑删除不释放磁盘
  - 段堆积 → 查询扫描无效行 → 存储膨胀2–5x
- 关键技术
  - Compaction：合并段 + 物理删除
  - TTL：按时间自动过期
- 适用场景
  - 会话数据
  - 时效性 RAG
  - 有生命周期的工作负载

金句 / Highlights

值得收藏与分享的关键句。

In append-only systems like Milvus, deleting a vector only flags it: the data stays on disk.
— 原文第2句
⬇︎ 下载 PNG 𝕏 分享到 X
Segments keep piling up, queries scan rows that no longer exist, and storage quietly grows 2–5x beyond your actual live data.
— 原文第3句
⬇︎ 下载 PNG 𝕏 分享到 X
Compaction handles the rest. If you're running session data, time-sensitive RAG, or any workload where data has a shelf life, these two settings alone can cut storage costs dramatically.
— 原文末段
⬇︎ 下载 PNG 𝕏 分享到 X

#Milvus#向量数据库#存储优化#TTL#compaction

打开原文

𝗪𝗲'𝘃𝗲 𝗻𝗼𝘁𝗶𝗰𝗲𝗱 𝗺𝗼𝘀𝘁 𝘁𝗲𝗮𝗺𝘀 𝗻𝗲𝘃𝗲𝗿 𝘁𝗵𝗶𝗻𝗸 𝗮𝗯𝗼𝘂𝘁 𝘃𝗲𝗰𝘁𝗼𝗿 𝘀𝘁𝗼𝗿𝗮𝗴𝗲 𝗰𝗼𝘀𝘁𝘀 https://t.co/s0PCsgxGIs" / X

𝗛𝗲𝗿𝗲'𝘀 𝗮 𝗰𝗼𝘀𝘁 𝘁𝗿𝗶𝗰𝗸 𝗺𝗼𝘀𝘁 𝘁𝗲𝗮𝗺𝘀 𝗺𝗶𝘀𝘀 𝘄𝗶𝘁𝗵 𝘁𝗵𝗲𝗶𝗿 𝘃𝗲𝗰𝘁𝗼𝗿 𝗱𝗮𝘁𝗮𝗯𝗮𝘀𝗲: 𝘂𝘀𝗶𝗻𝗴 𝗰𝗼𝗺𝗽𝗮𝗰𝘁𝗶𝗼𝗻 𝗮𝗻𝗱 𝗧𝗧𝗟. 𝗪𝗲'𝘃𝗲 𝗻𝗼𝘁𝗶𝗰𝗲𝗱 𝗺𝗼𝘀𝘁 𝘁𝗲𝗮𝗺𝘀 𝗻𝗲𝘃𝗲𝗿 𝘁𝗵𝗶𝗻𝗸 𝗮𝗯𝗼𝘂𝘁 𝘃𝗲𝗰𝘁𝗼𝗿 𝘀𝘁𝗼𝗿𝗮𝗴𝗲 𝗰𝗼𝘀𝘁𝘀 𝘂𝗻𝘁𝗶𝗹 𝘁𝗵𝗲 𝗯𝗶𝗹𝗹 𝘀𝗽𝗶𝗸𝗲𝘀. In append-only systems like Milvus, deleting a vector only flags it: the data stays on disk. Segments keep piling up, queries scan rows that no longer exist, and storage quietly grows 2–5x beyond your actual live data. 𝗧𝘄𝗼 𝗯𝘂𝗶𝗹𝘁-𝗶𝗻 𝗳𝗲𝗮𝘁𝘂𝗿𝗲𝘀 𝗳𝗶𝘅 𝘁𝗵𝗶𝘀: • 𝗖𝗼𝗺𝗽𝗮𝗰𝘁𝗶𝗼𝗻 — merges small segments and physically drops deleted rows. Schedule it off-peak since it's I/O-heavy. • 𝗧𝗧𝗟 — auto-expires old data so you skip manual cleanup entirely. Compaction handles the rest. 𝗜𝗳 𝘆𝗼𝘂'𝗿𝗲 𝗿𝘂𝗻𝗻𝗶𝗻𝗴 𝘀𝗲𝘀𝘀𝗶𝗼𝗻 𝗱𝗮𝘁𝗮, 𝘁𝗶𝗺𝗲-𝘀𝗲𝗻𝘀𝗶𝘁𝗶𝘃𝗲 𝗥𝗔𝗚, 𝗼𝗿 𝗮𝗻𝘆 𝘄𝗼𝗿𝗸𝗹𝗼𝗮𝗱 𝘄𝗵𝗲𝗿𝗲 𝗱𝗮𝘁𝗮 𝗵𝗮𝘀 𝗮 𝘀𝗵𝗲𝗹𝗳 𝗹𝗶𝗳𝗲, 𝘁𝗵𝗲𝘀𝗲 𝘁𝘄𝗼 𝘀𝗲𝘁𝘁𝗶𝗻𝗴𝘀 𝗮𝗹𝗼𝗻𝗲 𝗰𝗮𝗻 𝗰𝘂𝘁 𝘀𝘁𝗼𝗿𝗮𝗴𝗲 𝗰𝗼𝘀𝘁𝘀 𝗱𝗿𝗮𝗺𝗮𝘁𝗶𝗰𝗮𝗹𝗹𝘆. 𝗙𝘂𝗹𝗹 𝗴𝘂𝗶𝗱𝗲 𝗼𝗻 𝘁𝗵𝗲 𝗠𝗶𝗹𝘃𝘂𝘀 𝗯𝗹𝗼𝗴 Image 1: 👇 milvus.io/blog/how-to-cu