Zilliz Cloud: un database vettoriale completamente gestito che riduce al minimo i costi degli utenti per la creazione di app di IA
Rivalutare il valore dei database vettoriali
La crescita dei Contenuti Generati dall’Intelligenza Artificiale (AIGC) ha portato al progresso delle tecnologie di ricerca vettoriale, creando nuove esigenze ed espandendo la base di utenti oltre gli ingegneri degli algoritmi, fino a includere sviluppatori di applicazioni e backend. Il miglioramento della generalizzazione dei modelli ha inoltre reso più facile creare applicazioni di AI.
In qualità di ingegnere di database vettoriali e product designer dietro Zilliz Cloud, i cambiamenti recenti mi hanno spinto a rivalutare il valore dei database vettoriali. In Zilliz, diamo priorità all’offerta ai nostri clienti di un prodotto intuitivo, efficiente, affidabile e conveniente. Uno dei nostri obiettivi più importanti è offrire un database vettoriale che riduca al minimo i costi di utilizzo per gli sviluppatori durante tutto il loro ciclo di sviluppo. Questo obiettivo include una maggiore velocità di ricerca vettoriale, costi di archiviazione inferiori e la possibilità di liberare gli utenti da manutenzione e operazioni affinché possano concentrarsi sul loro business. L’ultima release di Zilliz Cloud rappresenta un passo significativo verso il raggiungimento di questo obiettivo.
Zilliz Cloud riduce al minimo i costi complessivi di utilizzo per gli sviluppatori AI
L’ultimo Zilliz Cloud è un aggiornamento rivoluzionario per gli sviluppatori che desiderano creare applicazioni di AI generativa. Porta con sé molte funzionalità entusiasmanti, come partition key, dynamic schema e supporto JSON. Inoltre, Zilliz Cloud offre opzioni di prezzo più convenienti, rendendolo accessibile a tutti gli sviluppatori indipendentemente dal budget. Riducendo al minimo i costi complessivi di utilizzo, Zilliz Cloud rende possibile a aziende tradizionali e startup creare applicazioni AI innovative.
Quando si utilizzano database vettoriali, di solito ci sono costi relativi a sviluppo, hardware e manutenzione. Zilliz Cloud si distingue riducendo notevolmente questi costi. Nelle sezioni seguenti, esploreremo come Zilliz Cloud renda tutto questo possibile.
Costi di sviluppo ridotti al minimo
Costi di sviluppo inferiori significano processi di sviluppo semplificati, consentendo agli sviluppatori di concentrarsi sulla creazione delle loro applicazioni ed evitare inutili perdite di tempo con deployment complessi, API difficili da navigare e sforzi di adattamento.
Zilliz Cloud introduce molte nuove funzionalità che possono ridurre al minimo i costi di sviluppo e alleggerire il carico sugli sviluppatori. Ad esempio, Zilliz Cloud ora supporta le seguenti funzionalità.
- Dynamic schema consente agli utenti di inserire in una collection entità con campi variabili dinamicamente, invece di essere limitati a uno schema statico predefinito.
- Il tipo di dati JSON consente un’archiviazione dei dati più flessibile.
- Un’interfaccia RESTful rende l’uso delle API più diretto e più semplificato.
- Le multi-tenant partition keys garantiscono sia query efficienti sia separazione dei dati per applicazioni multi-tenant.
- Intelligent Index 2.0 elimina la necessità di comprendere tipi di indice e configurazioni complessi.
- L’accesso tramite API keys o password può adattarsi meglio alle abitudini degli sviluppatori.
Costi ridotti al minimo per le risorse hardware
Memoria e calcolo sono tra le risorse più costose nei database vettoriali perché richiedono molta potenza computazionale e memoria. Pertanto, ridurre al minimo i costi di memoria e calcolo è fondamentale per rendere i database vettoriali più accessibili.
Zilliz Cloud include molte funzionalità per ridurre al minimo i costi hardware, non solo negli ambienti di test di laboratorio ma anche in ambienti di produzione su larga scala.
- La nuova unità di calcolo (CU) Cost-Optimized ha la stessa capacità di archiviazione della CU Capacity-Optimized esistente, ma costa circa il 30% in meno. La CU Cost-Optimized è ideale per gli utenti con un budget limitato che non richiedono una latenza o un throughput delle query elevati, ma desiderano comunque soluzioni di alto livello.
- Il filtraggio scalare è ora più veloce grazie all'esecuzione vettorializzata, riducendo il tempo necessario per eseguire un singolo filtraggio scalare da 2 ms a meno di 0,5 ms. Nel frattempo, sono stati resi disponibili più piani di esecuzione basati sulla valutazione dei costi per migliorare la connettività del grafo nel filtraggio di dati estesi, aumentando le prestazioni del filtraggio scalare di oltre 50 volte in casi specifici.
- Più opzioni di prezzo con drastiche riduzioni dei prezzi soddisfano vari requisiti: piani Starter, Standard, Enterprise e Self-hosted. Ogni piano bilancia meticolosamente costi, prestazioni, qualità del servizio e conformità, garantendo che ogni utente possa trovare una soluzione su misura per le proprie esigenze.
- VectorDBBench, uno strumento di benchmarking open-source, è stato introdotto per valutare vari database vettoriali in base a QPS, capacità, latenza e altre metriche. Questo strumento può aiutare gli utenti a selezionare il miglior database vettoriale per le loro esigenze aziendali.
Costi di manutenzione ridotti al minimo
I costi di manutenzione sono una spesa cruciale ma spesso trascurata. Zilliz Cloud allevia le preoccupazioni degli utenti relative alla manutenzione, consentendo loro di concentrarsi sulle operazioni aziendali principali.
Il livello serverless gratuito offre fino a 2 raccolte, ciascuna in grado di gestire fino a 500.000 vettori di 768 dimensioni o più su scala ridotta. Questa nuova offerta fornisce capacità significative di gestione dei dati senza richiedere investimenti infrastrutturali estesi.
La nuova funzionalità Organizations and Roles semplifica l'accesso del team e la gestione delle autorizzazioni con un controllo granulare sull'accessibilità delle risorse. Questa funzionalità consente flussi di lavoro collaborativi sicuri e flessibili, rendendola particolarmente utile per le grandi organizzazioni con più progetti e membri del team che necessitano di accesso ai servizi di database vettoriale di Zilliz Cloud.
La funzionalità di aggiornamento progressivo garantisce che i sistemi degli utenti rimangano disponibili e reattivi alle richieste, offrendo un'esperienza fluida e senza interruzioni.
Per maggiori dettagli sulle nuove funzionalità di Zilliz Cloud, consulta le nostre note di rilascio.
Cosa possiamo aspettarci da Zilliz Cloud in futuro?
Fin dalla sua nascita, Zilliz Cloud si è impegnato a migliorare la produttività degli sviluppatori e a consentire agli utenti di scoprire il vasto potenziale dei dati non strutturati. Accogliamo con favore nuove idee e suggerimenti e siamo entusiasti di collaborare con tutti per far progredire la ricerca vettoriale. Nelle versioni future, introdurremo più funzionalità, tra cui:
- Pipeline di elaborazione dei dati non strutturati
- Supporto per funzioni di aggregazione più complesse
- Motore di query scalari e motore di recupero vettoriale di nuova generazione
- Tipi di istanza con scalabilità automatica
- Espansione globale dei nostri servizi
E altro ancora! Resta sintonizzato!
Introduzione a Zilliz Cloud
- Inizia gratis con il nuovo piano Starter! Un ottimo piano per iniziare senza problemi di installazione e senza richiedere una carta di credito!
- Oppure avvia la tua prova gratuita di 30 giorni del piano Standard con crediti per un valore di $100 al momento della registrazione e l'opportunità di ottenere crediti per un valore totale fino a $200.
- Approfondisci la documentazione di Zilliz Cloud.
- Consulta la guida alla migrazione da Milvus a Zilliz Cloud.
Continua a leggere
Zilliz Cloud Update: Smarter Autoscaling for Cost Savings, Stronger Compliance with Audit Logs, and More
What's new in Zilliz Cloud? Smarter autoscaling with scale-down, audit logs GA, enhanced SSO, and Milvus 2.6 in Private Preview.
How to Use Anthropic MCP Server with Milvus
MCP + Milvus: Streamline AI agent development with standardized data access, eliminating integration hassles while enhancing context and flexibility.
DeepRAG: Thinking to Retrieval Step by Step for Large Language Models
Discover DeepRAG, an advanced retrieval-augmented generation (RAG) model that improves LLM accuracy by retrieving only essential data through step-by-step reasoning.