基于 Elasticsearch 和 Milvus 的 RAG 运维知识库的架构设计和部署落地实现指南

最近在整理一些业务场景的架构设计和部署落地实现指南
先放一个 【基于RAG的运维知识库 (ElasticSearch + Milvus) 的详细实现指南】，其中包含了详尽的技术实现细节、可运行的示例代码、原理分析、优缺点分析和应用场景分析。

架构描述： 基于RAG的运维知识库 (ElasticSearch + Milvus)

部署指南

1. 极其详细的部署步骤 (包含详尽的技术实现细节和分步骤、可运行的示例代码-也只能给示例代码)

1.1 环境准备

• 操作系统选择： 推荐使用 Linux 发行版，如 CentOS 7/8、Ubuntu 18.04/20.04。本指南以 CentOS 7 为例。

• 网络环境配置： 确保服务器之间网络互通，防火墙开放 Elasticsearch (默认端口 9200)、Milvus (默认端口 19530) 和应用程序所需的端口。

• 安装必要软件包：

  # 更新 yum 源
  sudo yum update -y# 安装常用工具
  sudo yum install -y wget curl vim net-tools# 安装 Java (Elasticsearch 依赖)
  sudo yum install -y java-1.8.0-openjdk-devel# 安装 Python (用于后续脚本)
  sudo yum install -y python3 python3-pip# 安装 Docker 和 Docker Compose (可选，用于容器化部署)
  sudo yum install -y yum-utils
  sudo yum-config-manager --add-repo https://download.docker.com/linux/centos/docker-ce.repo
  sudo yum install -y docker-ce docker-ce-cli containerd.io
  sudo systemctl start docker
  sudo systemctl enable docker
  sudo curl -L "https://github.com/docker/compose/releases/download/1.29.2/docker-compose-$(uname -s)-$(uname -m)" -o /usr/local/bin/docker-compose
  sudo chmod +x /usr/local/bin/docker-compose
  

• 配置环境变量：

  # 编辑 /etc/profile 或 ~/.bashrc
  # 添加以下内容 (根据实际安装路径修改)
  export JAVA_HOME=/usr/lib/jvm/java-1.8.0-openjdk
  export PATH=$JAVA_HOME/bin:$PATH# 使环境变量生效
  source /etc/profile  # 或 source ~/.bashrc
  

1.2 组件安装配置

1.2.1 Elasticsearch 安装配置

1. 下载 Elasticsearch：

   wget https://artifacts.elastic.co/downloads/elasticsearch/elasticsearch-7.17.17-linux-x86_64.tar.gz  # 根据需要选择版本
   tar -xzf elasticsearch-7.17.17-linux-x86_64.tar.gz
   cd elasticsearch-7.17.17/
   

2. 修改配置文件 config/elasticsearch.yml：

   cluster.name: my-rag-cluster  # 集群名称
   node.name: node-1  # 节点名称
   network.host: 0.0.0.0  # 监听所有 IP 地址
   http.port: 9200  # Elasticsearch 端口
   discovery.seed_hosts: ["node-1"]  #  单节点部署，配置为节点名称
   cluster.initial_master_nodes: ["node-1"]  # 单节点部署
   # 建议配置 (根据实际情况调整):
   # bootstrap.memory_lock: true  # 锁定内存，防止交换
   # xpack.security.enabled: false  # 如果不需要安全认证，可以禁用
   # 注意：以上只是示例配置，生产环境请务必根据实际情况进行详细配置，特别是安全相关的配置。
   

   关键参数解释：

   • cluster.name: 集群名称，同一集群内的节点应具有相同的集群名称。
   • node.name: 节点名称，用于标识集群中的单个节点。
   • network.host: Elasticsearch 监听的 IP 地址，0.0.0.0 表示监听所有 IP。
   • http.port: Elasticsearch 的 HTTP 端口，默认为 9200。
   • discovery.seed_hosts: 集群发现的主机列表。在单节点部署中，可以设置为节点名称。
   • cluster.initial_master_nodes: 初始主节点列表。在单节点部署中，设置为节点名称。
   • bootstrap.memory_lock: 是否锁定内存，防止 Elasticsearch 内存被交换到磁盘，影响性能。
   • xpack.security.enabled：开启xpack security功能。

3. 启动 Elasticsearch：

   ./bin/elasticsearch -d  # 后台启动
   

4. 验证 Elasticsearch：

   curl http://localhost:9200/
   

   如果返回 JSON 格式的 Elasticsearch 信息，则表示启动成功。

1.2.2 Milvus 安装配置

1. 使用 Docker Compose 安装 Milvus (推荐)：

   # 创建 docker-compose.yml 文件
   cat > docker-compose.yml <<EOF
   version: '3.5'
   services:etcd:container_name: milvus-etcdimage: milvusdb/etcd:v3.5.5environment:ETCD_USE_EMBEDDED: "true"volumes:- ${DOCKER_VOLUME_DIRECTORY:-.}/volumes/etcd:/etcdstandalone:container_name: milvus-standaloneimage: milvusdb/milvus:v2.2.14 # 根据需要选择版本command: ["milvus", "run", "standalone"]environment:ETCD_ENDPOINTS: etcd:2379MINIO_ADDRESS: minio:9000volumes:- ${DOCKER_VOLUME_DIRECTORY:-.}/volumes/milvus:/var/lib/milvusports:- "19530:19530"- "9091:9091"depends_on:- "etcd"minio:container_name: milvus-minioimage: minio/minio:RELEASE.2022-10-29T06-21-33Zenvironment:MINIO_ACCESS_KEY: minioadminMINIO_SECRET_KEY: minioadminvolumes:- ${DOCKER_VOLUME_DIRECTORY:-.}/volumes/minio:/minio_dataports:- "9000:9000"- "9001:9001"command: minio server /minio_data --console-address ":9001"depends_on:- "etcd"
   networks:default:name: milvus
   EOF# 启动 Milvus
   docker-compose up -d
   

关键配置参数解释：

• milvus-etcd: etcd镜像，用于存储milvus的元数据。
• milvus-standalone： Milvus的standalone模式镜像。
  • ETCD_ENDPOINTS: etcd 的连接地址。
  • MINIO_ADDRESS: MinIO 的连接地址，用于存储数据。
• milvus-minio: 对象存储minIO镜像。
  • MINIO_ACCESS_KEY：MinIO用户名
  • MINIO_SECRET_KEY：MinIO密码

2. 验证 Milvus：

   docker ps  # 查看 Milvus 容器是否正常运行
   

1.2.3 安装 Python 依赖

pip3 install pymilvus==2.2.14 elasticsearch==7.17.1 # 注意版本匹配
pip3 install sentence-transformers

1.3 组件集成 (RAG 应用程序)

以下是一个 Python 代码示例，展示如何使用 Elasticsearch 和 Milvus 实现 RAG：

from elasticsearch import Elasticsearch
from pymilvus import connections, FieldSchema, CollectionSchema, DataType, Collection, utility
from sentence_transformers import SentenceTransformer# --- 1. 连接到 Elasticsearch 和 Milvus ---es = Elasticsearch(hosts=["http://localhost:9200"],  # Elasticsearch 地址# 如果 Elasticsearch 启用了安全认证，需要提供用户名和密码# http_auth=("elastic", "your_password")
)connections.connect(alias="default",host="localhost",  # Milvus 地址port="19530"
)# --- 2. 定义 Elasticsearch 索引和 Milvus Collection ---# Elasticsearch 索引
index_name = "operations_knowledge"
if not es.indices.exists(index=index_name):es.indices.create(index=index_name,body