Zilliz a participé à l’atelier VLDB 2021
Quelles sont les percées majeures dans l’industrie des bases de données en 2021 ?
En août, Zilliz a été invité au VLDB Workshop 2021 pour partager ses dernières avancées de recherche et ses réalisations dans l’application des méthodes d’apprentissage automatique aux systèmes de bases de données, aux côtés de l’Université Harvard, de l’Université Carnegie Mellon, de l’Université Tsinghua, de Microsoft et de nombreuses autres organisations. Le chercheur senior de Zilliz, le Dr Xiaomeng Yi, a présenté le contexte de développement, les idées de conception, les défis et les innovations technologiques lors du développement de Milvus, une base de données vectorielle open source.
VLDB, SIGMOD et ICDE sont connues comme les trois conférences les plus prestigieuses dans le domaine des bases de données. Récemment, le résultat de recherche de l’équipe de recherche de Zilliz, Milvus: A Purpose Built Vector Data Management System, a été sélectionné par SIGMOD et inclus parmi les 21 articles de cette année en raison de l’excellente fonctionnalité sous-jacente et de la parfaite application dans des scénarios commerciaux de Milvus.
Chaque jour, le monde produit une quantité énorme de données, dont plus de 80 % sont des données non structurées difficiles à traiter. Alors que les bases de données traditionnelles ne peuvent stocker que des données structurées, l’équipe d’ingénieurs de Milvus a proposé une hypothèse : toutes les données peuvent être représentées uniformément par des vecteurs au niveau sémantique, quels que soient les types de données. Le Dr Yi a fait remarquer que si le modèle de réseau neuronal d’IA est utilisé pour extraire la sémantique des données et les présenter uniformément sous forme de vecteurs, la logique de traitement de nombreuses données peut être exécutée directement au niveau des vecteurs.
Milvus est conçu spécifiquement pour l’analyse et la récupération de vecteurs de caractéristiques massifs. Il fournit un cadre complet pour la mise à jour, l’indexation et la recherche de similarité des données vectorielles, qui peuvent non seulement être effectuées en temps réel sur des données en flux continu, mais répondent également aux diverses exigences de recherche dans les scénarios commerciaux réels. Jusqu’à présent, Milvus a publié deux versions : 1.0 et 2.0. Le code source de Milvus est entièrement open source sur GitHub et a été largement utilisé dans les domaines de pointe de l’intelligence artificielle. Testées par 1 000 utilisateurs dans le monde, ses performances surpassent largement celles des produits concurrents.
VLDB
Lors du partage, le Dr Yi a présenté le concept de conception de Milvus 2.0 : cloud-native, log-as-data et traitement unifié par lots et en flux. Sur la base de son prédécesseur, Milvus 2.0 offre aux utilisateurs une expérience de recherche intelligente, stable et fluide.
Face aux deux défis majeurs que sont la sélection d’index et l’ajustement des données dans le développement des bases de données, le Dr Yi estime que l’IA peut ouvrir la voie aux meilleures solutions. Par exemple, une nouvelle configuration peut d’abord être testée et évaluée sur un petit jeu de données, puis transférée à un grand jeu de données. Utiliser l’apprentissage automatique pour analyser le jeu de données existant et guider la configuration du nouveau jeu de données, afin d’obtenir de meilleures performances que celles de l’algorithme BOHB actuel.
Dr Xiaomeng Yi (Ph.D. en architecture informatique, Université des sciences et technologies de Huazhong), chercheur senior et chef d’équipe de recherche chez Zilliz. Ses recherches portent sur la gestion des données de haute dimension, la recherche d’informations à grande échelle et l’allocation des ressources dans les systèmes distribués. Les travaux de recherche du Dr Yi ont été publiés dans des revues de premier plan et lors de conférences internationales, notamment IEEE Network Magazine, IEEE/ACM TON, ACM SIGMOD, IEEE ICDCS et ACM TOMPECS.
Continuer à lire
Zilliz Skills Breakdown: How AI Agents Master Vector Databases
Zilliz's Milvus Skill (pymilvus, 7 files) and Zilliz Cloud Skill (zilliz-cli, 14 modules) bring vector-DB dev and ops into one Claude Code session.
Why Teams Are Migrating from Weaviate to Zilliz Cloud — and How to Do It Seamlessly
Explore how Milvus scales for large datasets and complex queries with advanced features, and discover how to migrate from Weaviate to Zilliz Cloud.
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.