明日を形作る：MilvusはいかにしてShopeeのマルチメディアの野望を支えたか？
Eコマースの世界では、ユーザーフレンドリーなインターフェイスや豊富な品揃えだけでなく、それ以上のものが求められる。東南アジアとラテンアメリカの大手プラットフォームであるShopeeは、進化する状況を理解し、マルチメディア理解(MMU)事業を変える画期的な旅に乗り出した。TikTokのような短編動画大手に対抗し、Eコマースの市場シェアを守るために、Shopeeは短編動画サービスの世界に乗り出しました。このブログでは、この過程でShoppeeが直面した課題と、MilvusがShopeeのマルチメディア・ビジネスをどのように支援したかについて掘り下げます。
Shopeeのデータのジレンマ
Shopeeがマルチメディアの世界に踏み込むにつれ、ビデオ、画像、音声、テキストを含む膨大な量の非構造化データを扱うという大きな課題に直面した。Shopeeが以前使用していたリレーショナル・データベースは、すべての非構造化データの複雑さに苦戦したため、チームはこのようなデータを効率的に保存、処理、検索、有効活用できる堅牢な技術スタックを模索することになった。ベクトル・データベースは、彼らの探求の最も重要な部分の一つである。
さらに、Shopeeの内部システムである動画リコール、動画重複排除、動画レコメンデーションは、それぞれ異なる技術で作られており、ベクトル検索機能に大きく依存していた。Shopeeは、これらのシステムやさまざまな技術スタックとシームレスに統合されたソリューションを必要としていました。
完璧にフィットするソリューションとしてMilvusが登場
利用可能な選択肢を徹底的に検討した結果、Milvusは何十億ものベクターを処理する能力、拡張性、Shopeeの社内エコシステムとのシームレスな統合性で際立っていた。Milvusはクラウドネイティブなアーキテクチャを提供しており、ベクター検索システムをゼロからセットアップすることが容易であった。
また、Shopeeのチームは、分散処理、GPUサポート、インクリメンタルアップデート、スカラーサポートなど、Milvusの豊富な機能を気に入り、高いスケーラビリティとパフォーマンスを備えたベクトル検索エンジンを構築するのに理想的な選択肢となりました。
Milvus 1.xからMilvus 2.xへの移行
ShopeeのMilvusへの移行では、バージョン1.xから2.xへの移行が行われました。当初効率的であった1.xバージョンは、Shopeeのビジネスが拡大するにつれて課題に直面しました。読み取り専用ノード間の不均一なセグメント分散により、レイテンシの問題が表面化しました。Milvus 2.xへの移行が転機となった。
Milvus 2.xでは、安定性、スケーラビリティ、マルチレプリカ機能が強化され、低レイテンシで可用性の高い検索サービスが実現しました。Milvus 2.xのクラウドネイティブアーキテクチャは、費用対効果の高いロギングとモニタリング機能を導入し、Shopeeのオペレーションを効率化した。
また、Milvusを使用することで、Shopeeのリアルタイム検索機能はかつてないレベルまで向上しました。この強化の顕著な例は、ビデオリコールシステムで明らかである。Milvusは、Shopeeのビデオ推薦システムにインスタントビデオリコールシステムをシームレスに統合し、世界中の何百万人ものユーザー体験の向上に貢献している。さらに、Milvusは、著作権ビデオマッチングとビデオ重複排除プロセスにとって重要な側面であるオフラインデータ検索を大幅に合理化した。オリジナルのコンテンツを認識し、重複する動画を識別するMilvusの役割は、コンテンツの鮮度と信憑性を維持し、最終的にユーザーの満足度を向上させます。
現在、ShopeeはMilvus 2.2を実運用で使用しており、Mmap、GPUインデックス、範囲検索などの性能向上と豊富な機能のために最新バージョンへのアップグレードを検討している。
Milvusでeコマースの未来を切り開く
ShopeeはMilvusを搭載することで、マルチメディアの理解がユーザーエクスペリエンスとシームレスに統合され、Eコマースの新たな道を切り開く未来を構想しています。Shopeeが進化を続ける中、Milvusはますます高度化するAI需要に対応できる、緊密なパートナーであり続けます。
Fendy FengFendy Feng is the Technical Marketing Writer at Zilliz. She has extensive experience developing and enhancing the impact of open-source projects in various global markets by producing high-quality, tailored content. Before joining Zilliz, Fendy worked as a Content Strategist at PingCAP, a fast-growing E-Series startup renowned for its open-source distributed SQL database.
読み続けて
Milvus/Zilliz + Surveillance: How Vector Databases Transform Multi-Camera Tracking
See how Milvus vector database enhances multi-camera tracking with similarity-based matching for better surveillance in retail, warehouses and transport hubs.
Top 5 AI Search Engines to Know in 2025
Discover the top AI-powered search engines of 2025, including OpenAI, Google AI, Bing, Perplexity, and Arc Search. Compare features, strengths, and limitations.
Semantic Search vs. Lexical Search vs. Full-text Search
Lexical search offers exact term matching; full-text search allows for fuzzy matching; semantic search understands context and intent.