Creare raccolte in Zilliz Cloud è appena diventato molto più facile
Creare lo schema dati corretto è fondamentale per qualsiasi applicazione di database e, man mano che i tuoi progetti crescono in complessità, hai bisogno di opzioni di configurazione più potenti. Sebbene Zilliz Cloud abbia sempre offerto funzionalità avanzate tramite il nostro SDK, abbiamo ascoltato il vostro feedback sul desiderio di avere queste funzionalità disponibili direttamente nell’interfaccia utente.
Oggi stiamo offrendo esattamente questo. Abbiamo migliorato l’intera esperienza di creazione delle collection per portare funzionalità avanzate direttamente nell’interfaccia, rendendo più rapido e semplice creare schemi pronti per la produzione senza passare da uno strumento all’altro.
Ricerca full-text e corrispondenza per parole chiave ora disponibili nell’interfaccia utente
La ricerca full-text classifica i documenti in base alla rilevanza dei termini, essenziale per RAG (Retrieval-Augmented Generation) e per applicazioni con un uso intensivo di parole chiave. Funziona direttamente sul testo grezzo e genera automaticamente vettori sparsi, senza richiedere embedding manuale. La corrispondenza per parole chiave, invece, è perfetta per filtrare frasi esatte ed eseguire ricerche precise.
In precedenza, entrambe le funzionalità erano disponibili solo tramite l’SDK. La loro configurazione richiedeva la comprensione di come input text field, function e output sparse field lavorano insieme: facile da configurare in modo errato, difficile da debuggare.
Con questo aggiornamento, la ricerca full-text è ora completamente guidata dall’interfaccia utente. Seleziona una colonna VARCHAR, scegli una funzione (Standard o Custom Analyzer) e assegna un campo sparso. Mostriamo anche esempi di codice SDK inline per aiutarti a passare senza problemi a workflow basati sul codice, se necessario.
La corrispondenza per parole chiave è ora un interruttore attivabile con un solo clic. Puoi abilitarla direttamente per campi specifici, rendendo la configurazione più rapida e intuitiva.
Ricerca full-text e corrispondenza per parole chiave ora disponibili nell’interfaccia utente.png
Partizionamento semplificato: indicazioni chiare per la scelta giusta
Il partizionamento è essenziale per l’ottimizzazione delle prestazioni, soprattutto in ambienti multi-tenant o su larga scala. Ma la distinzione tra Partition e Partition Key non è sempre stata ovvia, ed è importante.
In Zilliz Cloud:
Una Partition è un sottoinsieme fisico di una Collection. Condivide lo stesso schema ma contiene solo una parte dei dati, ideale per isolare i carichi di lavoro o migliorare le prestazioni delle query.
Una Partition Key consente di suddividere i dati tra tenant utilizzando un campo scalare, abilitando l’isolamento logico su larga scala.
In precedenza, le partition dovevano essere create, definite e gestite tramite l’SDK. I nomi simili e i comportamenti mutuamente esclusivi generavano spesso confusione, e gli errori di configurazione potevano essere costosi, talvolta richiedendo un ricaricamento completo dei dati.
Ora abbiamo reso tutto più semplice e sicuro. L’interfaccia utente ora spiega chiaramente la differenza tra Partition e Partition Key durante la creazione della collection, aiutandoti a scegliere la configurazione più adatta alle tue esigenze. Una nuova pagina di gestione delle partition ti consente di creare e visualizzare in anteprima le partition e importare dati direttamente al loro interno.
Quando Partition Key è abilitata, le partition vengono gestite automaticamente: l’interfaccia utente disabilita il partizionamento manuale per prevenire conflitti.
Partizionamento reso semplice- Indicazioni chiare per la scelta giusta
Controlli di Memory Mapping: configura in qualsiasi momento, non solo alla creazione
Mmap (memory mapping) è una funzionalità potente che riduce l'uso della memoria e migliora il throughput, soprattutto per campi di grandi dimensioni o a cui si accede raramente. Ma gestirla in passato era complicato.
In precedenza, Mmap doveva essere abilitato durante la creazione della collection e poteva essere modificato solo tramite SDK. L'interfaccia inoltre non spiegava quando fosse necessario rilasciare la collection per apportare modifiche, né aiutava a comprendere i diversi modi in cui Mmap poteva essere applicato ai dati.
Abbiamo risolto tutto questo.
Le impostazioni di Mmap sono ora più granulari ed esplicite. Le priorità a livello di campo, collection e cluster sono definite chiaramente.
Ora puoi configurare Mmap su richiesta a livello di collection o colonna, e separatamente per dati grezzi e dati di indice.
Lo stato di Mmap è visibile e modificabile direttamente nella vista dello schema. Basta rilasciare la collection e puoi aggiornare le impostazioni dall'interfaccia utente.
Supporto per valori nulli e valori predefiniti: scritture più resilienti, interfaccia più pulita
Sappiamo che non tutti i campi hanno bisogno di un valore predefinito o di un'impostazione di nullabilità. Ma quando ne hai bisogno, soprattutto per dati incompleti o schemi flessibili, sono essenziali.
In precedenza, queste opzioni appesantivano l'interfaccia di creazione della collection, anche quando non venivano utilizzate. Ora abbiamo semplificato l'esperienza. Le impostazioni per valori nulli e valori predefiniti sono nascoste per impostazione predefinita. Restano disponibili quando servono, ma non intralciano più le operazioni frequenti.
Questo ti offre un'interfaccia più pulita, mantenendo al tempo stesso controlli completi di tolleranza ai guasti quando ne hai bisogno.
Supporto per valori nulli e valori predefiniti- Scritture più resilienti, interfaccia più pulita
Gestione completa degli indici: indici scalari e vettoriali in un unico posto
Gli indici sono fondamentali per ricerche e filtri rapidi. In precedenza, la creazione di una collection configurava automaticamente gli indici vettoriali; ma se volevi creare indici scalari, dovevi configurarli separatamente usando l'SDK. L'interfaccia utente non spiegava nemmeno perché gli indici scalari fossero importanti, quindi la maggior parte degli utenti saltava semplicemente questo passaggio. Questo diventava un collo di bottiglia per le prestazioni: quando gli utenti filtravano i propri dati usando campi scalari senza un'indicizzazione adeguata, le query erano molto più lente del dovuto.
Abbiamo risolto tutti questi problemi con questo aggiornamento.
Il flusso di creazione della collection ora include un modulo di indicizzazione completo, che spiega perché gli indici sono importanti e ti guida nella configurazione di quelli giusti.
È stata aggiunta una pagina dedicata alla gestione degli indici per supportare la creazione, l'eliminazione e l'anteprima di tutti i tipi di indice, portando nell'interfaccia utente la gestione completa del ciclo di vita.
Il supporto per gli indici JSON Path è ora disponibile, offrendoti un enorme miglioramento delle prestazioni delle query per campi JSON e dinamici.
Shard e Consistency Level ora visibili nell’UI
Due delle impostazioni più potenti a livello di Collection—Shard e Consistency Level—erano precedentemente nascoste nell’UI. Questo rendeva difficile verificare se le impostazioni predefinite fossero adatte al tuo carico di lavoro.
Shard suddividono orizzontalmente la tua Collection e abilitano canali di scrittura concorrenti, migliorando notevolmente il throughput di scrittura.
Consistency Level controlla quanto devono essere aggiornati i dati durante le operazioni di ricerca e query. Per impostazione predefinita, usiamo
Bounded, che bilancia freschezza e prestazioni.
In questo aggiornamento, mostriamo entrambe le impostazioni in primo piano nel flusso di creazione della collection. Puoi personalizzarle immediatamente in base alle esigenze della tua applicazione, con spiegazioni integrate e indicazioni d’uso a supporto delle tue decisioni.
Shard e Consistency Level ora visibili nell’UI
Progettazione dello schema migliorata: migliore integrazione dei campi dinamici
I campi dinamici ti consentono di inserire nuovi campi senza modificare lo schema: l’ideale per applicazioni con strutture dati flessibili. Tuttavia, l’UI di Zilliz Cloud presentava questa funzionalità come un semplice interruttore, rendendo poco chiaro il rapporto tra i campi dinamici e le colonne scalari o vettoriali.
Ora, i campi dinamici vengono mostrati insieme ai campi scalari e vettoriali nella progettazione dello schema. Abbiamo aggiunto etichette descrittive per aiutarti a capire come questa potente funzionalità si inserisce nel tuo schema.
Progettazione dello schema migliorata- Migliore integrazione dei campi dinamici
Abbiamo inoltre integrato Data Import in Data Preview, semplificando il flusso di lavoro e riducendo il passaggio tra schede.
Conclusione: costruisci correttamente, fin dall’inizio
In Zilliz, crediamo che la creazione di una collection non dovrebbe essere un gioco di supposizioni. Lo schema corretto è la base di tutto: dalle prestazioni delle query all’efficienza dei costi, fino alla rapidità con cui le tue applicazioni AI possono scalare.
Questo aggiornamento non riguarda solo l’aggiunta di altre impostazioni. Si tratta di offrirti la chiarezza e il controllo necessari per progettare con sicurezza il tuo modello di dati già al primo tentativo. Che tu stia configurando partizioni, attivando o disattivando Mmap, definendo indici o perfezionando le impostazioni di coerenza, ora tutto è più facile da vedere, comprendere e gestire direttamente nell’UI.
Con questi miglioramenti, puoi smettere di preoccuparti della complessità dell’infrastruttura e concentrarti sulla creazione di applicazioni più veloci, più smart e più intelligenti basate sulla ricerca vettoriale.
Introduzione a Zilliz Cloud
Pronto a provare il flusso di lavoro migliorato? La nuova interfaccia è ora disponibile per tutti gli utenti di Zilliz Cloud.
Utenti esistenti: Accedi alla console di Zilliz Cloud e crea una nuova collection per esplorare le funzionalità aggiornate. Le tue collection esistenti continueranno a funzionare senza modifiche.
Nuovo su Zilliz Cloud? Registrati gratuitamente e inizia con fino a $200 in crediti. Scopri la potenza dei database vettoriali gestiti con i nostri strumenti semplificati di progettazione dello schema.
Hai bisogno di aiuto? Consulta la nostra documentazione o contatta il nostro team di supporto per ricevere indicazioni su come ottimizzare la configurazione del tuo database vettoriale.
Come sempre, ci piacerebbe ricevere il tuo feedback per aiutarci a continuare a migliorare Zilliz Cloud.
Continua a leggere
How to Build RAG with Milvus, QwQ-32B and Ollama
Hands-on tutorial on how to create a streamlined, powerful RAG pipeline that balances efficiency, accuracy, and scalability using the QwQ-32B and Milvus.
Optimizing Embedding Model Selection with TDA Clustering: A Strategic Guide for Vector Databases
Discover how Topological Data Analysis (TDA) reveals hidden embedding model weaknesses and helps optimize vector database performance.
DeepSeek-VL2: Mixture-of-Experts Vision-Language Models for Advanced Multimodal Understanding
Explore DeepSeek-VL2, the open-source MoE vision-language model. Discover its architecture, efficient training pipeline, and top-tier performance.