“ Zilliz Cloud has been an important part of Exa’s journey to build and scale entity search, giving us the retrieval performance and operational simplicity we need to scale quickly and confidently. ”
Jeffrey WangCo-Founder
Zilliz Cloud named a leader in the Forrester Wave™
Vector Database Providers, Q3 2024
Il Vector
Lakebase per l'IA
Oltre i database vettoriali: serving in tempo reale, discovery iterativa e analytics batch su un'unica fonte di verità, ciascuno al costo giusto e su scala di centinaia di miliardi di dati.
Costruito dai creatori di Milvus.
Sviluppa con la CLIcurl -fsSL https://zilliz.com/cli/install.sh | bash
S3
Hot Cache
On-demand
Compute
Compute
Ecco Zilliz CLI e gli Agent Skills per Zilliz Cloud
Da oggi puoi gestire l'intero deployment Zilliz Cloud senza uscire dal terminale o dal tuo agente di coding IA. Effettua il provisioning dei cluster, esegui ricerche, configura backup e gestisci il controllo degli accessi tramite comandi CLI o linguaggio naturale. Nessuna console. Nessun cambio di contesto.
Costruito per l'affidabilità
Costruito sulla base di una profonda comprensione delle modalità di guasto dei database vettoriali su larga scala. Testato in produzione su oltre 10.000 aziende per 8 anni.
Costruito per la scala
Progettato per gestire oltre 100B entità e 10K+ QPS con latenza costante e prestazioni prevedibili.
Costruito per ridurre i costi
Tutti i dati e gli indici su S3, con hot cache e calcolo on-demand per ridurre i costi del 90%.
Ricerca a tutto campo
Da vettoriali e testuali a JSON e geospaziali, combinati con il reperimento ibrido, il filtraggio e il reranking per query multimodali espressive.
Stoccaggio lago-nativo
Storage unificato per il serving e l'analytics, costruito su Vortex, un formato aperto di nuova generazione. Letture casuali fino a 10 volte più veloci e meno costose rispetto a Lance, con flessibilità del formato per colonna.
“ With Zilliz Cloud, we have achieved a true consciousness of data, bringing the data together in the way that an individual doing their job needs to see it. ”
Nathan MorrisCo-Founder
“ Zilliz Cloud has helped us create a strong foundation behind the scenes as we continue to grow and serve hundreds of thousands of clinicians. ”
Jagath KumarHead of Performance Engineering
“ Zilliz gave us real-time retrieval for our multilingual RAG system at scale with tight latency targets. It freed up engineering cycles and let us focus on improving reasoning on the model side, not managing infrastructure. ”
Dr. Pratyush KumarCo-Founder
Punti salienti del servizio in tempo reale
Architettura a livelli
Ottimizzazione per carichi di lavoro diversi con livelli flessibili, che offrono prestazioni elevatissime, efficienza bilanciata e scalabilità economica su enormi set di dati.
- Soluzione ottimizzata per le prestazioni
- Soluzione ottimizzata per la capacità
- Soluzione di storage a più livelli
Multi-Tenancy massiva per le applicazioni di intelligenza artificiale
Spazi dei nomi illimitati con ricerca ibrida vettoriale, full-text e JSON, oltre al servizio di dati hot-cold.
Cluster globale
Distribuzione multiregionale con replica e failover: garantisce un accesso a bassa latenza e alta disponibilità in tutto il mondo, supportando la rapida espansione globale delle applicazioni di intelligenza artificiale.
Prestazioni
Setup: 768-dimensional vectors, top-k = 10, cluster-size = 1 CU
Performance-Optimized SolutionCapacity-Optimized SolutionTiered-Storage Solution
Average Latency
3 ms
21 ms
107 ms
P99 Latency
5 ms
37 ms
253 ms
QPS
1476
236
22
Total Vectors
2M
6M
25M
Punti salienti dell'elaborazione on-demand
Ricerca su richiesta
Si paga per query, non per calcolo fornito, consentendo costi nettamente inferiori a serverless su scala.
Backfill e iterazione degli schemi senza soluzione di continuità
Aggiornate ed evolvete schemi e modelli di dati online, senza impattare sul servizio, costruiti per un'iterazione continua dell'intelligenza artificiale.
Portate gli indici sul vostro lago
Una modalità di accesso opzionale per operare direttamente sui dati S3 (Iceberg, Lance, Vortex, Parquet). Mantenete i dati nel vostro bucket mentre gli indici vengono costruiti e serviti su Zilliz: niente copie, niente ETL.
Prestazioni e costi
Setup: 1 billion 768-dimensional vectors, top-k = 100k, cluster-size =64 CU
Warm SearchCold-Start Search
Average Latency
0.6 s
16 s
P99 latency
1.1 s
18 s
Total Vectors
1B
1B
Cost per 1K Searches(5% cold-start, 95% warm)$9.9
Write cost$0
Storage Cost / Month(1B vectors + index, 2.1 TB)$53.7
La CLI per Vector Lakebase
Il tuo Vector Lakebase. Il tuo terminale. Controllo completo.
La CLI ufficiale per la gestione, la ricerca e l'analisi.
Terminal