Zillizクラウド：AIアプリ構築のためのユーザーコストを最小化するフルマネージドベクターデータベース
ベクトルデータベースの価値を再評価する
人工知能が生成するコンテンツ（AIGC）の成長により、ベクトル検索技術が進歩し、新たな需要が生まれ、アルゴリズムエンジニアだけでなく、アプリケーションやバックエンドの開発者にもユーザー層が広がっている。また、モデルの汎化が進んだことで、AIアプリケーションの構築も容易になった。
ベクトルデータベースエンジニアとして、またZilliz Cloudのプロダクトデザイナーとして、最近の変化はベクトルデータベースの価値を見直すきっかけになりました。Zillizでは、使いやすく、効率的で、信頼性が高く、手頃な価格の製品をお客様に提供することを優先しています。私たちの最も重要な目標のひとつは、開発サイクルを通して開発者の使用コストを最小限に抑えるベクターデータベースを提供することです。この目標には、ベクトル検索速度の高速化、ストレージコストの削減、ユーザーを保守・運用から解放してビジネスに集中させることなどが含まれます。Zilliz Cloudの最新リリースは、この目標達成に向けた重要な一歩です。
Zilliz CloudはAI開発者の全体的な利用コストを最小化する
最新のZilliz Cloudは、ジェネレーティブAIアプリケーションの構築を目指す開発者にとって、ゲームを変えるアップデートです。パーティション・キー、ダイナミック・スキーマ、JSONのサポートなど、多くのエキサイティングな機能をもたらす。さらに、Zilliz Cloudはより手頃な価格オプションを提供し、予算に関係なくすべての開発者がアクセスできるようにしている。全体的な使用コストを最小限に抑えることで、Zilliz Cloudは伝統的な企業や新興企業が革新的なAIアプリケーションを作成することを可能にする。
ベクターデータベースを使用する場合、通常、開発、ハードウェア、メンテナンスに関連するコストがかかる。Zilliz Cloudは、これらのコストを大幅に最小化することで差別化を図っている。以下のセクションでは、Zilliz Cloudがどのようにそれを実現するのかを探っていきます。
開発コストの最小化
開発コストの削減は、開発プロセスの合理化を意味し、開発者はアプリケーションの構築に集中することができ、複雑なデプロイメント、ナビゲートしにくいAPI、および適応作業への不必要な時間支出を避けることができます。
Zilliz Cloudは、開発コストを最小限に抑え、開発者の負担を軽減する多くの新機能を導入しています。例えば、Zilliz Cloudは現在、以下の機能をサポートしている。
- 動的スキーマにより、ユーザーは定義済みの静的スキーマに制限されることなく、動的に変化するフィールドを持つエンティティをコレクションに挿入できる。
- JSONデータ型は、より柔軟なデータ保存を可能にする。
- RESTfulインターフェースは、APIの使用をよりわかりやすく、より合理的にする。
- マルチテナントのパーティション・キーは、マルチテナント・アプリケーションの効率的なクエリーとデータ分離の両方を保証する。
- Intelligent Index 2.0により、複雑なインデックスタイプや設定を理解する必要がなくなった。
- APIキーまたはパスワードによるアクセスは、開発者の習慣によりよく対応できる。
ハードウェアリソースのコストを最小化
ベクトル・データベースは計算とメモリーを大量に消費するため、メモリーと計算は最も高価なリソースのひとつです。したがって、メモリと計算のコストを最小化することは、ベクターデータベースをより利用しやすくするために極めて重要である。
Zilliz Cloudは、ラボのテスト環境だけでなく、大規模なプロダクション環境においてもハードウェアコストを最小化するための多くの機能を備えています。
- 新しく導入されたCost-Optimized Compute Unit (CU)** は、既存のCapacity-Optimized CUと同じストレージ容量でありながら、約30%安価です。コスト最適化CUは、限られた予算の中で、レイテンシやクエリスループットを要求しないが、トップクラスのソリューションを求めるユーザーに最適である。
- スカラーフィルタリング**は、ベクトル化された実行により高速化され、単一のスカラーフィルタリングの実行時間が2msから0.5ms未満に短縮された。一方、コスト評価に基づく複数の実行プランが利用可能になり、広範なデータフィルタリングにおけるグラフ接続性が改善され、特定のケースではスカラーフィルタリングのパフォーマンスが50倍以上向上しました。
- 大幅な値下げ**を伴う価格オプションの追加により、様々な要件に対応：スタータープラン、スタンダードプラン、エンタープライズプラン、セルフホストプラン。各プランは、コスト、パフォーマンス、サービス品質、コンプライアンスを綿密にバランスさせ、すべてのユーザーがそれぞれのニーズに合ったソリューションを見つけられるようにしています。
- オープンソースのベンチマークツールであるVectorDBBenchは、QPS、容量、レイテンシ、その他のメトリクスに基づいて様々なベクターデータベースを評価するために導入されました。このツールは、ユーザーがビジネスニーズに最適なベクターデータベースを選択するのに役立ちます。
メンテナンスコストの最小化
メンテナンスコストは非常に重要ですが、見過ごされがちな費用です。Zilliz Cloudは、ユーザーのメンテナンスに関する懸念を軽減し、ユーザーがコア業務に集中できるようにします。
無料サーバーレスティア](https://zilliz.com/zilliz-cloud-free-tier)**は、最大2つのコレクションを提供し、それぞれが768次元以上の最大50万ベクトルを小規模に処理します。この新しいサービスは、大規模なインフラ投資を必要とすることなく、重要なデータ処理能力を提供します。
新しい組織と役割機能](https://zilliz.com/blog/Zilliz-Cloud-Organizations-and-Roles-Feature)**は、リソースへのアクセスをきめ細かく制御することで、チームへのアクセスと権限管理を簡素化します。この機能により、セキュアで柔軟なコラボレーションワークフローが可能になり、Zilliz Cloudのベクターデータベースサービスへのアクセスを必要とする複数のプロジェクトやチームメンバーを抱える大規模組織で特に役立ちます。
ローリングアップグレード機能**は、ユーザーのシステムが利用可能でリクエストに応答し続けることを保証し、シームレスで中断のないエクスペリエンスを提供します。
Zilliz Cloudの新機能の詳細については、リリースノートをご覧ください。
今後のZilliz Cloudに期待することは？
創業以来、Zilliz Cloudは開発者の生産性を向上させ、ユーザーに非構造化データの膨大な可能性を発見する力を与えることに尽力してきました。私たちは新しいアイデアや提案を歓迎し、ベクトル検索を進化させるために皆さんと協力できることに興奮しています。今後のリリースでは、以下のような機能を導入する予定です：
- 非構造化データ処理パイプライン
- より複雑な集計関数のサポート
- 次世代スカラ検索エンジンとベクトル検索エンジン
- インスタンスタイプの自動スケーリング
- サービスのグローバル展開
などなど！ご期待ください！
Zilliz Cloudを始める
- 無料で始める](https://cloud.zilliz.com/signup) 新しいスタータープラン！インストールの手間もなく、クレジットカードも必要ありません！
- また、スタンダードプランの30日間無料トライアルでは、登録時に100円分のクレジットが付与され、合計で最大200円分のクレジットを獲得することができます。
- Zilliz Cloudのドキュメントをより深くご覧ください。
- Milvus](https://zilliz.com/what-is-milvus)からZilliz Cloudへの移行ガイドをご覧ください。
James LuanJames Luan is the VP of Engineering at Zilliz. With a master's degree in computer engineering from Cornell University, he has extensive experience as a Database Engineer at Oracle, Hedvig, and Alibaba Cloud. James played a crucial role in developing HBase, Alibaba Cloud's open-source database, and Lindorm, a self-developed NoSQL database. He is also a respected member of the Technical Advisory Committee of LF AI & Data Foundation, contributing his expertise to shaping the future of AI and data technologies.
読み続けて
ColPali + Milvus: Redefining Document Retrieval with Vision-Language Models
When combined with Milvus's powerful vector search capabilities, ColPali becomes a practical solution for real-world document retrieval challenges.
Proactive Monitoring for Vector Database: Zilliz Cloud Integrates with Datadog
we're excited to announce Zilliz Cloud's integration with Datadog, enabling comprehensive monitoring and observability for your vector database deployments with your favorite monitoring tool.
3 Key Patterns to Building Multimodal RAG: A Comprehensive Guide
These multimodal RAG patterns include grounding all modalities into a primary modality, embedding them into a unified vector space, or employing hybrid retrieval with raw data access.