- Collection：包含一组entity，可以等价于关系型数据库中的表
- Schema：Schema 是定义数据类型和数据属性的元信息。每个集合都有自己的集合 schema，定义集合的字段、启用自动 ID（主键）分配，并包括集合描述。集合 schema 中还包括定义字段名称、数据类型和其他属性的字段模式。
- Segment：段是由 Milvus 自动创建的用于容纳插入数据的数据文件。
- Entity：实体是代表现实世界对象的一组字段。在 Milvus 中，每个实体都由唯一的主键表示。
- Field：字段是组成实体的单元。字段可以是结构化数据（例如数字、字符串）或向量。
- Embedding Vector：嵌入向量是对非结构化数据（如电子邮件、IoT 传感器数据、Instagram 照片、蛋白质结构等）的特征抽象。从数学上讲，嵌入向量是一组浮点数或二进制数的数组。现代嵌入技术用于将非结构化数据转换为嵌入向量。
- Vector Index：向量索引是从原始数据派生出的重新组织的数据结构，可以大大加速向量相似度搜索的过程。
- Mapping：一系列规则用于定义 collection 如何组织数据
- Vector similarity search：向量相似度搜索是比较一个向量与数据库中的向量，以找到与目标搜索向量最相似的向量的过程。用于计算向量之间的相似度的算法通常采用近似最近邻（ANN）搜索。
- Sharing：分片是将写入操作分配到不同节点上，以充分利用 Milvus 集群的并行计算能力来写入数据。默认情况下，单个集合包含两个分片。