GUI都流行四十年了！数据库操作怎么还和DOS一样难搞？

今天在讲Milvus的Attu之前，我们先来唠一段计算机行业的八卦。

不知道有多少人见识过早年的DOS系统？

那是一个必须靠敲代码、输命令才能完成开机、建文件的时代，“会开电脑就已经很厉害了”，在那时候，还不是骂人的话

雷布斯在内，中国的第一代互联网精英们，都是这个时代的受益者。但很快，随着Windows的图形界面出现，它把复杂指令变成了点图标、拖窗口这样的简单操作，电脑的普及率也随之大幅提升。

当然，很多人对这个故事可能也不太熟，因为已经是40年前的事情了。

但很难相信，PC行业四十年前就完成的事情，在数据库行业，还是进行时状态。直到今天，操作很多数据库，想查一条数据、建一个数据集合，我们都得写专门Python/Go脚本；甚至只是切换不同环境的数据库，都要手动改配置。

开发做这些自然轻车熟路，但对RAG、推荐系统等场景的业务人员来说，门槛不低。

这也是今天为什么介绍Milvus的Web管理工具Attu的原因（尽管已经推出两三年了），但这绝对是我用过最好用的可视化界面替代命令行的数据库产品！

01 Attu是什么？

Attu是Milvus的全功能Web管理界面，就像MySQL有了Workbench、Redis有了RedisInsight，让你用浏览器就能完成所有数据库操作。

Attu采用前后端分离架构：React前端提供可视化操作界面，Node.js中间层封装Milvus SDK并暴露RESTful API，底层直连Milvus完成数据操作。

简单说就是给Milvus套了个Web壳，把命令行操作变成图形界面点击。技术栈选型上，React负责UI交互，Express.js处理WebSocket实时推送，底层通过官方Node.js SDK与Milvus 2.x通信。

02 Attu解决什么痛点？

痛点1：管理数据对象要写代码查看集群有哪些Collection、Partition、Database，或者创建、修改、删除这些对象，都需要写Python/Go脚本调用SDK。Attu提供Web界面，点击就能完成所有管理操作。

痛点2：向量数据看不懂查询返回的768维向量是一串浮点数，无法直观判断数据内容。Attu自动显示向量维度和关联的标量字段，让数据可读。

痛点3：验证查询效果慢测试RAG召回效果需要写脚本执行Search，每次修改参数都要重新运行代码。Attu提供Search界面，输入查询条件立即返回结果，实时查看召回内容和相似度分数。

痛点4：多环境切换麻烦开发、测试、生产环境的Milvus地址不同，每次切换需要修改代码配置。Attu支持保存多个连接配置，一键切换不同环境。

03 Attu完整功能实操指南

Attu 支持连接Milvus Standalone和Zilliz Cloud，可灵活使用本地或云托管数据库。本文采用Standalone部署方式进行实操。

环境准备Docker 20.10+ Docker Compose 2.0+

前提条件：

部署standalone模式Milvus

wget https://raw.githubusercontent.com/milvus-io/milvus/refs/tags/v2.6.3/deployments/docker/standalone/docker-compose.yml

docker-compose up -d

docker-compose ps -a

1.开始部署Attu

方式一：Docker一键启动（推荐）

bash

docker run -d \

--name attu \

-p 8000:3000 \

-e MILVUS_URL=http://host.docker.internal:19530 \

zilliz/attu:2.6.1

#访问 http://localhost:8000

方式二：Kubernetes中运行

kubectl apply -f https://raw.githubusercontent.com/zilliztech/attu/main/attu-k8s-deploy.yaml

访问主页面并登录

访问 http://localhost:8000，进入登录页面

填写连接信息：

Milvus Address: localhost:19530（Docker用户填host.docker.internal:19530）

点击"连接"按钮

效果说明：

连接成功后自动跳转到Database列表页

默认显示default数据库

左侧导航栏展示所有Collection

2.数据库、集合和分区管理

这是Attu最核心的功能，相当于MySQL Workbench的表管理模块。

2.1 创建Database（Milvus 2.4+支持）

使用场景：

多租户隔离：不同业务线使用独立Database

环境分离：开发/测试/生产环境数据分离

点击左上角“+”号，输入数据库名称（如：knowledge_base_db）后创建

2.2创建Collection（核心功能）

Collection 是向量数据库中存储数据的基本单位，类似于关系型数据库中的表。

配置基本信息（新手建议）：

Collection名称: product_vectors

描述: 商品向量搜索集合

字段配置

主键字段:

-名称: id

- 类型: VARCHAR

- Max Length: 64

- 自动ID: 否

向量字段:

- 名称: vector

- 类型: Float Vector

- 维度: 768

Functions

BM25: 不启用

TextEmbedding: 不启用

Settings

一致性级别: Bounded

分片数量: 1

启用动态 Schema: ✅ 是

创建后加载: ✅ 是

2.3Schema定义

这是product_vectors集合的数据模型定义界面，展示了集合的核心结构：

字段定义

id：主键字段，VarChar(1024) 类型，配置了自动索引

vector：向量字段，FloatVector(768) 维度，使用 COSINE 余弦相似度索引

$meta：动态字段，JSON 类型，支持灵活的元数据存储，可创建 JSON 索引

左侧包含了集合的状态信息

2.4数据插入（Import Data）

数据：浏览和管理collection中存储的具体数据记录

进入Collection详情页数据标签，可导入文件。这里采用示例数据导入

2.5向量搜索配置

这是向量相似度搜索的查询配置界面，用于执行向量检索操作：

2.5.1查询参数设置

vector 字段：选择要搜索的向量字段（FloatVector(768)，COSINE 索引）

搜索数量：返回前 15 个最相似的结果

一致性级别：Bounded（有界一致性）

输出字段：2 个字段（可指定返回哪些字段）

分区选择：_default 分区

2.5.2如何查询？

（1）选择数据标签里面找到已有数据的vector进行复制

（2）输入vector点击搜索按钮进行查询

说明：参考2.5.1查询参数进行自定义查询

（3)查看数据（支持查看图片）

(4)删除数据

说明：选中并删除一条数据

说明：清空整个collection数据（须谨慎）

（5）修改数据

说明：支持upsert

2.6分区（Partition）管理

分区是 Collection 内部的逻辑隔离单元，用于将数据按业务需求分组存储：

隔离存储：不同分区的数据物理隔离，互不影响

精准查询：搜索时可指定分区，大幅提升效率（避免全表扫描）

灵活管理：可独立加载/释放分区，节省内存资源

典型场景：按时间分区（如按月）、按类别分区（如商品类目）、按租户分区（多租户隔离）

3.Play功能

Play(beta) 是Attu提供的一个API测试平台，让你可以直接在网页上测试Milvus的各种操作，而不需要编写完整的程序代码。

4.Milvus运维管理界面

这是系统健康监控仪表板，让管理员可以实时查看Milvus集群的运行状态。

界面顶部展示了Milvus系统的核心信息。当前系统运行在STANDALONE单机模式下，使用的是2.6.3版本。除了版本号外，系统还详细记录了代码的Git提交版本号、Go语言运行环境信息，以及系统的构建时间和部署创建时间，这些时间戳帮助管理员追溯系统的部署历史。

下方页签停留在Milvus节点标签，该页面用于查看所有服务组件的运行状态。往下依次是Milvus配置和环境变量标签，分别用于查看系统的配置参数和环境设置。慢请求标签则专门用于监控那些响应缓慢的查询操作，帮助定位性能瓶颈。再往下的Segment和副本标签，分别管理数据段信息和数据副本的分布情况。最后是资源组标签，用于查看集群的资源分配状况。这些功能模块共同构成了Milvus的相对完整运维监控体系。