Milvus 2.6.1 CAGRA：GPU建索引+CPU查，成本腰斩性能不减

Milvus上的CAGRA有什么不同？

尽管GPU在图索引构建阶段优势显著，但在实际生产环境中，GPU资源通常比CPU更昂贵且稀缺。若索引构建与查询均依赖GPU，会导致一系列问题：

资源利用率低（查询请求零散，GPU大量时间空闲）

部署成本高（需为每个查询服务配置GPU，增加不必要的硬件成本）

扩展性受限（GPU数量限制服务实例数）

灵活性不足（无法按需切换 GPU 和 CPU ）

针对这些痛点，开源向量数据库Milvus在2.6.1版本中，通过adapt_for_cpu参数，为GPU索引CAGRA推出灵活部署选项，实现GPU构建高质量图索引+CPU查询（一般用 HNSW ）的混合模式，在保证索引质量的同时大幅降低部署成本。对于数据更新频率低（无需频繁重新构建索引）、查询规模大（需大量查询服务实例）、成本敏感（希望降低GPU资源投入）的场景，这是一种非常实用的解决方案。

（1）adapt_for_cpu解读

Milvus通过adapt_for_cpu

参数控制CAGRA索引的序列化与反序列化行为，实现构建与查询设备的灵活切换。