Mises à niveau de Milvus 2.3 Beta et Enterprise sur Zilliz Cloud
Zilliz Cloud propose désormais la version bêta de Milvus 2.3, marquant une mise à jour significative de la technologie des bases de données vectorielles. Cette version introduit des fonctionnalités visant à améliorer les processus de gestion des données et de requêtage pour les développeurs. En parallèle, Zilliz Cloud introduit de nouvelles fonctionnalités axées sur les entreprises, reflétant son engagement à soutenir des solutions de données évolutives et robustes dans les environnements professionnels.
Points forts des fonctionnalités disponibles de Milvus 2.3
Milvus 2.3, disponible en bêta sur Zilliz Cloud, introduit plusieurs fonctionnalités clés qui révolutionnent les interactions avec les bases de données vectorielles.
L’intégration de la similarité cosinus dans Milvus 2.3 apporte des capacités avancées aux calculs de similarité, éliminant le besoin d’une normalisation préalable des vecteurs et simplifiant les processus de recherche. La nouvelle fonctionnalité Range Search élargit le champ du requêtage vectoriel, offrant des méthodes de récupération de données plus précises et diversifiées, ce qui est particulièrement bénéfique pour les moteurs de recommandation. La fonctionnalité Upsert, un ajout majeur, simplifie la gestion des données. Elle améliore l’efficacité de la mise à jour et de la manipulation des ensembles de données, un avantage essentiel dans les environnements dynamiques où la cohérence et l’atomicité des données sont primordiales.
Consultez la documentation pour plus de détails sur les fonctionnalités supplémentaires telles que les retours de vecteurs bruts, le filtre JSON_CONTAINS, le nombre d’entités, et plus encore.
Fonctionnalités d’entreprise améliorées
Parallèlement à ces avancées de recherche vectorielle natives de l’IA, Zilliz Cloud a introduit des mises à niveau significatives de ses fonctionnalités d’entreprise. Le système amélioré de contrôle d’accès basé sur les rôles (RBAC) comprend désormais de nouveaux rôles de membres de projet, permettant un contrôle d’accès plus personnalisé et améliorant la sécurité au niveau du projet. La disponibilité générale de la région AWS EU Frankfurt élargit les options géographiques, répondant à des besoins techniques et réglementaires variés. De plus, l’introduction de la fonctionnalité de suppression de compte et d’organisation en libre-service offre aux utilisateurs davantage de contrôle et de flexibilité dans la gestion des comptes. Ces améliorations, ainsi que d’autres avancées en matière de stabilité et d’expérience utilisateur, soulignent l’adaptabilité et la puissance de Zilliz Cloud pour répondre aux diverses exigences des entreprises.
Disponibilité de Zilliz Cloud sur Azure
Zilliz Cloud est désormais disponible sur Microsoft Azure, avec un lancement dans la région azure-east-us. Cette expansion offre aux développeurs et entreprises Azure un nouveau choix pour gérer les charges de travail de bases de données vectorielles. Cette étape marque également l’achèvement de la disponibilité de Zilliz Cloud sur les principales plateformes cloud, notamment AWS et Google Cloud.
Notre engagement envers Azure va au-delà de cette réalisation, avec des améliorations à venir, telles que l’expansion vers de nouvelles régions Azure, offrant une flexibilité accrue pour déployer Zilliz Cloud en fonction de vos besoins. De plus, Zilliz Cloud sera bientôt accessible sur Azure Marketplace, simplifiant les processus de gestion et de paiement.
Conclusion
Vos commentaires sont essentiels à l’évolution de Milvus et de Zilliz Cloud. Nous invitons notre communauté de développeurs à partager ses réflexions et demandes de fonctionnalités via notre canal Discord ou en nous contactant directement. Vos idées sont essentielles pour façonner l’avenir de notre technologie de base de données vectorielle. Collaborons pour créer les solutions de données les plus efficaces et les plus centrées sur l’utilisateur.
Continuer à lire
Build Multimodal Search for 3D Assets with Tripo and Zilliz Cloud
Generate 3D assets with Tripo, then search them by text, image, and metadata with multimodal embeddings and Zilliz Cloud.
How to Improve Retrieval Quality for Japanese Text with Sudachi, Milvus/Zilliz, and AWS Bedrock
Learn how Sudachi normalization and Milvus/Zilliz hybrid search improve Japanese RAG accuracy with BM25 + vector fusion, AWS Bedrock embeddings, and practical code examples.
Why Not All VectorDBs Are Agent-Ready
Explore why choosing the right vector database is critical for scaling AI agents, and why traditional solutions fall short in production.