Crear colecciones en Zilliz Cloud ahora es mucho más fácil
Crear el esquema de datos adecuado es fundamental para cualquier aplicación de base de datos y, a medida que tus proyectos crecen en complejidad, necesitas opciones de configuración más potentes. Aunque Zilliz Cloud siempre ha ofrecido capacidades avanzadas a través de nuestro SDK, escuchamos tus comentarios sobre querer que estas funciones estuvieran disponibles directamente en la UI.
Hoy, estamos entregando exactamente eso. Hemos mejorado toda la experiencia de creación de colecciones para llevar capacidades avanzadas directamente a la interfaz, haciendo que sea más rápido y fácil crear esquemas listos para producción sin cambiar de herramientas.
La búsqueda de texto completo y la coincidencia de palabras clave ya están disponibles en la UI
La búsqueda de texto completo clasifica los documentos por relevancia de términos, algo esencial para RAG (generación aumentada por recuperación) y aplicaciones intensivas en palabras clave. Funciona directamente sobre texto sin procesar y genera automáticamente vectores dispersos; no se requiere embedding manual. La coincidencia de palabras clave, mientras tanto, es perfecta para el filtrado de frases exactas y las búsquedas precisas.
Anteriormente, ambas funciones solo estaban disponibles mediante el SDK. Configurarlas requería comprender cómo input text field, function y output sparse field funcionan juntos: fácil de configurar mal, difícil de depurar.
Con esta actualización, la búsqueda de texto completo ahora está totalmente impulsada por la UI. Selecciona una columna VARCHAR, elige una función (analizador estándar o personalizado) y asigna un campo disperso. También mostramos ejemplos de código del SDK en línea para ayudarte a pasar sin problemas a flujos de trabajo con código si es necesario.
La coincidencia de palabras clave ahora es un interruptor de un solo clic. Puedes habilitarla directamente para campos específicos, haciendo que la configuración sea más rápida e intuitiva.
La búsqueda de texto completo y la coincidencia de palabras clave ya están disponibles en la UI.png
Particionamiento simplificado: orientación clara para elegir correctamente
El particionamiento es esencial para optimizar el rendimiento, especialmente en entornos multiinquilino o a gran escala. Pero la distinción entre Partition y Partition Key no siempre ha sido obvia, y es importante.
En Zilliz Cloud:
Una Partition es un subconjunto físico de una Collection. Comparte el mismo esquema, pero contiene solo parte de los datos: ideal para aislar cargas de trabajo o mejorar el rendimiento de las consultas.
Una Partition Key te permite dividir datos entre inquilinos usando un campo escalar, lo que permite aislamiento lógico a escala.
Anteriormente, las particiones tenían que crearse, definirse y administrarse mediante el SDK. Los nombres similares y los comportamientos mutuamente excluyentes a menudo generaban confusión, y los errores de configuración podían ser costosos, a veces requiriendo una recarga completa de datos.
Ahora, hemos hecho esto más simple y seguro. La UI ahora explica claramente la diferencia entre Partition y Partition Key durante la creación de colecciones, ayudándote a elegir la configuración adecuada para tus necesidades. Una nueva página de administración de particiones te permite crear y previsualizar particiones, e importar datos directamente en ellas.
Cuando Partition Key está habilitada, las particiones se administran automáticamente: la UI deshabilita el particionamiento manual para evitar conflictos.
Particionamiento simplificado: orientación clara para elegir correctamente
Controles de asignación de memoria: configúralos en cualquier momento, no solo al crear
Mmap (asignación de memoria) es una función potente que reduce el uso de memoria y mejora el rendimiento, especialmente para campos grandes o a los que se accede con poca frecuencia. Pero gestionarla solía ser complicado.
Anteriormente, Mmap tenía que habilitarse durante la creación de la colección y solo podía modificarse mediante el SDK. La interfaz tampoco explicaba cuándo era necesario liberar la colección para realizar cambios, ni te ayudaba a entender las distintas formas en que Mmap podía aplicarse a tus datos.
Hemos solucionado todo eso.
La configuración de Mmap ahora es más granular y explícita. Las prioridades a nivel de campo, de colección y de clúster están claramente definidas.
Ahora puedes configurar Mmap bajo demanda a nivel de colección o columna, y por separado para datos sin procesar y datos de índice.
El estado de Mmap es visible y editable directamente en la vista de esquema. Solo tienes que liberar la colección y podrás actualizar la configuración desde la interfaz de usuario.
Compatibilidad con valores nulos y valores predeterminados: escrituras más resilientes, interfaz más limpia
Sabemos que no todos los campos necesitan un valor predeterminado o una configuración de nulabilidad. Pero cuando sí los necesitas, especialmente para datos incompletos o esquemas flexibles, son esenciales.
Anteriormente, estas opciones saturaban la interfaz de creación de colecciones, incluso cuando no se usaban. Ahora hemos simplificado la experiencia. La configuración de valores nulos y valores predeterminados queda oculta por defecto. Sigue estando disponible cuando se necesita, pero ya no interfiere con las operaciones frecuentes.
Esto te ofrece una interfaz más limpia y, al mismo tiempo, conserva todos los controles de tolerancia a fallos cuando los necesitas.
Compatibilidad con valores nulos y valores predeterminados: escrituras más resilientes, interfaz más limpia
Gestión completa de índices: índices escalares y vectoriales en un solo lugar
Los índices son fundamentales para búsquedas y filtrados rápidos. Anteriormente, crear una colección configuraba automáticamente los índices vectoriales; pero si querías crear índices escalares, tenías que configurarlos por separado usando el SDK. La interfaz de usuario tampoco explicaba por qué los índices escalares son importantes, así que la mayoría de los usuarios simplemente omitía este paso. Esto se convirtió en un cuello de botella de rendimiento: cuando los usuarios filtraban sus datos usando campos escalares sin una indexación adecuada, las consultas se ejecutaban mucho más lento de lo que deberían.
Hemos solucionado todos estos problemas con esta actualización.
El flujo de creación de colecciones ahora incluye un módulo de indexación completo, que explica por qué los índices son importantes y te guía para configurar los adecuados.
Se ha añadido una página dedicada a la gestión de índices para permitir crear, eliminar y previsualizar todos los tipos de índices, incorporando la gestión completa del ciclo de vida en la interfaz de usuario.
La compatibilidad con índices JSON Path ya está disponible, lo que te proporciona un enorme aumento del rendimiento de las consultas para campos JSON y dinámicos.
Shard y Consistency Level ahora visibles en la interfaz de usuario
Dos de las configuraciones más potentes a nivel de Collection—Shard y Consistency Level—antes estaban ocultas en la interfaz de usuario. Eso dificultaba validar si los valores predeterminados se ajustaban a tu carga de trabajo.
Shards dividen tu Collection horizontalmente y habilitan canales de escritura concurrentes, lo que mejora enormemente el rendimiento de escritura.
Consistency Level controla cuán recientes deben ser los datos durante las operaciones de búsqueda y consulta. De forma predeterminada, usamos
Bounded, que equilibra frescura y rendimiento.
En esta actualización, mostramos ambas configuraciones desde el principio en el flujo de creación de colecciones. Puedes personalizarlas de inmediato según las necesidades de tu aplicación, con explicaciones integradas y orientación de uso para respaldar tus decisiones.
Shard y Consistency Level ahora visibles en la interfaz de usuario
Diseño de esquema mejorado: mejor integración de Dynamic Field
Los campos dinámicos te permiten insertar nuevos campos sin modificar el esquema, ideal para aplicaciones con estructuras de datos flexibles. Sin embargo, la interfaz de usuario de Zilliz Cloud presentaba esto solo como un interruptor, lo que hacía poco claro cómo se relacionaban los campos dinámicos con las columnas escalares o vectoriales.
Ahora, los campos dinámicos se muestran junto con los campos escalares y vectoriales en el diseño de esquema. Hemos añadido etiquetas descriptivas para ayudarte a entender cómo esta potente función encaja en tu esquema.
Diseño de esquema mejorado- mejor integración de Dynamic Field
También hemos fusionado Data Import en Data Preview, simplificando el flujo de trabajo y reduciendo el cambio entre pestañas.
Conclusión: constrúyelo bien desde el principio
En Zilliz, creemos que la creación de colecciones no debería ser un juego de adivinanzas. El esquema correcto es la base de todo, desde el rendimiento de las consultas hasta la eficiencia de costes y la rapidez con la que tus aplicaciones de IA pueden escalar.
Esta mejora no se trata solo de añadir más configuraciones. Se trata de darte la claridad y el control para diseñar tu modelo de datos con confianza desde el primer intento. Ya sea configurando particiones, activando Mmap, definiendo índices o ajustando con precisión la configuración de consistencia, ahora todo es más fácil de ver, entender y gestionar directamente en la interfaz de usuario.
Con estas mejoras, puedes dejar de preocuparte por la complejidad de la infraestructura y centrarte en crear aplicaciones más rápidas, inteligentes y avanzadas impulsadas por búsqueda vectorial.
Primeros pasos con Zilliz Cloud
¿Listo para experimentar el flujo de trabajo mejorado? La nueva interfaz ya está disponible para todos los usuarios de Zilliz Cloud.
Usuarios existentes: Inicia sesión en tu consola de Zilliz Cloud y crea una nueva colección para explorar las funciones actualizadas. Tus colecciones existentes seguirán funcionando sin cambios.
¿Nuevo en Zilliz Cloud? Regístrate gratis y comienza con hasta $200 en créditos. Experimenta el poder de las bases de datos vectoriales gestionadas con nuestras herramientas simplificadas de diseño de esquemas.
¿Necesitas ayuda? Consulta nuestra documentación o contacta con nuestro equipo de soporte para obtener orientación sobre cómo optimizar la configuración de tu base de datos vectorial.
Como siempre, nos encantaría recibir tus comentarios para ayudarnos a seguir mejorando Zilliz Cloud.
Sigue leyendo
Vector Lakebase: End the AI Data Silo
Learn how Vector Lakebase unifies vector search, data lakes, and AI data operations so teams can serve RAG and agents without copy-and-sync pipelines.
Similarity Metrics for Vector Search
Exploring five similarity metrics for vector search: L2 or Euclidean distance, cosine distance, inner product, and hamming distance.
Vector Databases vs. Time Series Databases
Use a vector database for similarity search and semantic relationships; use a time series database for tracking value changes over time.