Façonner demain : comment Milvus alimente l’ambition multimédia de Shopee
Dans le monde de l’e-commerce, garder une longueur d’avance exige plus qu’une simple interface conviviale et une vaste gamme de produits. Shopee, une plateforme de premier plan en Asie du Sud-Est et en Amérique latine, a compris l’évolution du paysage et s’est lancée dans un parcours révolutionnaire pour transformer son activité de Multimedia Understanding (MMU). Pour rivaliser avec les géants de la vidéo courte comme TikTok et protéger sa part de marché dans l’e-commerce, Shopee s’est aventurée dans le monde des services de vidéos courtes. Dans cet article de blog, nous examinerons les défis auxquels Shoppee a été confrontée au cours de ce processus et la manière dont Milvus a aidé l’activité multimédia de Shopee.
Le dilemme des données de Shopee
Alors que Shopee se plongeait dans le monde du multimédia, elle a été confrontée à un défi majeur : gérer d’énormes volumes de données non structurées, notamment des vidéos, des images, de l’audio et du texte. Les bases de données relationnelles que Shopee utilisait auparavant peinaient à gérer la complexité de toutes les données non structurées, ce qui a incité l’équipe à explorer une pile technologique robuste capable de stocker, traiter, rechercher et exploiter efficacement ces données. Les bases de données vectorielles sont l’un des éléments les plus importants de leur exploration.
La complexité était accrue par les systèmes internes de Shopee – rappel vidéo, déduplication vidéo et recommandations vidéo – chacun conçu avec différentes technologies et s’appuyant fortement sur des capacités de recherche vectorielle. Shopee avait besoin d’une solution s’intégrant parfaitement à ces systèmes et à diverses piles technologiques.
Milvus s’impose comme la solution idéale
Après avoir exploré en profondeur les options disponibles, Milvus s’est distingué par sa capacité à gérer des milliards de vecteurs, son évolutivité et son intégration transparente avec l’écosystème interne de Shopee. Milvus proposait une architecture cloud-native, facilitant la mise en place de systèmes de récupération vectorielle à partir de zéro.
L’équipe Shopee a également apprécié la richesse des fonctionnalités de Milvus, notamment le traitement distribué, la prise en charge des GPU, les mises à jour incrémentales et la prise en charge scalaire, ce qui en faisait un choix idéal pour construire un moteur de recherche vectorielle hautement évolutif et performant.
La migration de Milvus 1.x vers Milvus 2.x
Le parcours de Shopee avec Milvus a connu une migration de la version 1.x vers la version 2.x. Initialement efficace, la version 1.x a rencontré des difficultés à mesure que l’activité de Shopee se développait. Des problèmes de latence sont apparus en raison d’une distribution inégale des segments entre les nœuds en lecture seule. La migration vers Milvus 2.x a marqué un tournant.
La stabilité, l’évolutivité et les capacités multi-réplicas améliorées des versions Milvus 2.x ont permis de fournir des services de récupération à faible latence et haute disponibilité. L’architecture cloud-native des versions Milvus 2.x a introduit des fonctionnalités de journalisation et de surveillance rentables, rationalisant les opérations de Shopee.
L’utilisation de Milvus a également porté les capacités de recherche en temps réel de Shopee à des niveaux sans précédent. Une illustration remarquable de cette amélioration est visible dans le système de rappel vidéo. Milvus intègre de manière transparente le rappel vidéo instantané dans les systèmes de recommandation vidéo de Shopee, contribuant à une meilleure expérience utilisateur pour des millions de personnes dans le monde. En outre, Milvus a considérablement rationalisé la récupération de données hors ligne, un aspect essentiel pour les processus de correspondance de vidéos protégées par le droit d’auteur et de déduplication vidéo. Son rôle dans la reconnaissance des contenus originaux et l’identification des vidéos en double garantit que le contenu conserve sa fraîcheur et son authenticité, améliorant ainsi au final la satisfaction des utilisateurs.
Aujourd’hui, Shopee utilise Milvus 2.2 en production et envisage de passer aux dernières versions pour bénéficier de performances améliorées et de fonctionnalités plus riches telles que Mmap, l’indexation GPU et la recherche par plage.
Façonner l’avenir de l’e-commerce avec Milvus
Équipé de Milvus, Shopee envisage un avenir où la compréhension multimédia s’intègre harmonieusement à l’expérience utilisateur, ouvrant de nouvelles voies dans l’e-commerce. À mesure que Shopee continue d’évoluer, Milvus demeure un partenaire proche, prêt à répondre à des exigences en IA de plus en plus sophistiquées.
Continuer à lire
How Zilliz Ended Up at the Center of NVIDIA’s Unstructured Data Story at GTC 2026
If unstructured data is the context of AI, then the ceiling of AI applications will be set not just by models, but by how mature the infrastructure for unstructured data becomes.
Vector Databases vs. Document Databases
Use a vector database for similarity search and AI-powered applications; use a document database for flexible schema and JSON-like data storage.
Vector Databases vs. Key-Value Databases
Use a vector database for AI-powered similarity search; use a key-value database for high-throughput, low-latency simple data lookups.