“ 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
Zilliz Cloud용 Zilliz CLI와 Agent Skills 소개
이제부터 Zilliz Cloud 배포 전체를 터미널이나 AI 코딩 에이전트를 떠나지 않고 관리할 수 있습니다. CLI 명령어나 자연어로 클러스터를 프로비저닝하고, 검색을 실행하고, 백업을 구성하고, 액세스 제어를 관리하세요. 콘솔이 필요 없습니다. 컨텍스트 전환도 필요 없습니다.
안정성을 위한 설계
대규모 벡터 데이터베이스 장애 모드에 대한 깊은 이해를 바탕으로 구축되었습니다. 8년 동안 10,000개 이상의 기업에서 프로덕션 테스트를 거쳤습니다.
확장성을 고려한 설계
일관된 지연 시간과 예측 가능한 성능으로 100억 개 이상의 엔티티와 10K 이상의 QPS를 처리하도록 설계되었습니다.
저렴한 비용으로 구축
핫 캐시 및 온디맨드 컴퓨팅을 통해 비용을 90%까지 절감하는 S3의 모든 데이터와 인덱스.
전체 스펙트럼 검색
벡터와 텍스트부터 JSON과 지리공간까지, 하이브리드 검색, 필터링, 재순위를 결합하여 표현력이 풍부한 멀티모달 쿼리를 지원합니다.
레이크 네이티브 스토리지
개방형 차세대 포맷인 Vortex를 기반으로 구축된 서비스 및 분석을 위한 통합 스토리지입니다. Lance보다 최대 10배 빠르고 저렴한 랜덤 읽기와 열별 형식의 유연성을 제공합니다.
“ 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
실시간 서빙 하이라이트
계층형 아키텍처
유연한 계층으로 다양한 워크로드에 최적화하여 대규모 데이터 세트에 걸쳐 초고성능, 균형 잡힌 효율성, 비용 효율적인 확장을 제공합니다.
- 성능 최적화 솔루션
- 용량 최적화 솔루션
- 계층형 스토리지 솔루션
AI 앱을 위한 대규모 멀티테넌시
하이브리드 벡터, 전체 텍스트 및 JSON 검색과 핫-콜드 데이터 서비스를 제공하는 무제한 네임스페이스.
글로벌 클러스터
복제 및 장애 조치 기능을 갖춘 다중 지역 배포로 전 세계적으로 지연 시간이 짧고 가용성이 높은 액세스를 보장하여 AI 애플리케이션의 빠른 글로벌 확장을 지원합니다.
성능
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
온디맨드 컴퓨팅 하이라이트
온디맨드 검색
프로비저닝된 컴퓨팅이 아닌 쿼리당 비용을 지불하므로 대규모 서버리스보다 훨씬 저렴한 비용이 가능합니다.
원활한 백필 및 스키마 반복
지속적인 AI 반복을 위해 구축되어 서비스에 영향을 주지 않으면서 스키마와 데이터 모델을 온라인으로 백필하고 발전시킬 수 있습니다.
호수에 인덱스 가져오기
S3 데이터에서 직접 작업할 수 있는 옵션 액세스 모드(Iceberg, Lance, Vortex, Parquet). Zilliz에서 인덱스가 생성되고 제공되는 동안 데이터를 버킷에 보관하세요. 복사본이나 ETL 없이도 가능합니다.
성능 및 비용
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
Vector Lakebase용 CLI
당신의 Vector Lakebase. 당신의 터미널. 완전한 제어.
관리, 검색 및 분석을 위한 공식 CLI입니다.
Terminal