블로그
Zilliz Cloud Enterprise 벡터 검색, AWS에서 고성능 AI 지원

Zilliz Cloud Enterprise 벡터 검색, AWS에서 고성능 AI 지원

Jul 21, 20256 min read

이 게시물은 처음에 AWS 에 게시되었으며 허가를 받아 여기에 다시 게시됩니다.

조직들이 검색 증강 생성(RAG) 아키텍처와 멀티모달 인공지능(AI) 애플리케이션을 구현함에 따라, 고성능 벡터 검색에 대한 수요가 중요해졌습니다. Amazon Bedrock 및 기타 파운데이션 모델을 활용하는 기업들은 AI 목표에 부합하는 확장 가능하고 견고한 벡터 검색 인프라를 필요로 합니다. Amazon Web Services(AWS) 기반 Zilliz Cloud는 엔터프라이즈 규모에서 안전하고 규정을 준수하며 빠른 AI 기반 검색을 제공하는 완전 관리형 벡터 데이터베이스 서비스를 제공합니다. 많은 솔루션이 개발 환경에서는 작동하지만, 프로덕션 환경에서는 엄격한 보안 요구사항을 유지하면서 과중한 워크로드에서도 일관된 성능이 요구됩니다.

이 게시물에서는 AWS 기반 Zilliz Cloud가 이러한 요구사항을 어떻게 충족하며, 엔터프라이즈 AI 이니셔티브를 위한 성능, 보안 및 확장성을 제공하는지 살펴봅니다.

Zilliz Cloud로 벡터 검색을 수십억 규모로 확장

AWS의 미션 크리티컬 AI 워크로드를 위해 특별히 구축된 Zilliz Cloud는 운영 복잡성을 제거하는 동시에 엔터프라이즈 고객이 요구하는 성능, 보안 및 확장성을 제공합니다.

당사의 독자적인 벡터 검색 엔진인 Cardinal이 이 서비스를 구동하며 업계의 새로운 성능 벤치마크를 세우고 있습니다. Cardinal은 오픈 소스 대안과 비교해 최대 10배 더 높은 쿼리 처리량과 3배 더 빠른 인덱스 구축 속도로 전례 없는 효율성을 제공합니다. 이러한 혁신적인 성능을 통해 AWS 고객은 비용과 지연 시간을 모두 최적화하면서 벡터 검색 작업을 수십억 개의 임베딩 규모로 확장할 수 있습니다. 전사적 RAG 시스템을 구현하든 실시간 유사도 검색을 구현하든, Zilliz Cloud는 가장 까다로운 AI 이니셔티브를 구동할 수 있는 프로덕션 준비 인프라를 제공합니다.

3계층 최적화

Cardinal은 세 가지 핵심 최적화 계층을 갖춘 수직 통합 스택을 통해 탁월한 성능과 효율성을 달성합니다:

고급 인덱스 알고리즘: Inverted File (IVF) 인덱싱을 Hierarchical Navigable Small World (HNSW)와 같은 그래프 기반 접근 방식과 결합함으로써, Cardinal은 필터링 검색 및 수집 중 검색과 같은 복잡한 시나리오에서도 높은 재현율과 낮은 지연 시간을 제공합니다.
세심한 엔지니어링: Cardinal은 프로덕션 환경에서 높은 처리량과 낮은 지연 시간 성능에 맞게 정밀 조정된 커스텀 메모리 할당기, NUMA 인식 스케줄링, 멀티스레드 실행 파이프라인을 구현합니다.
하드웨어 인식 커널 향상: ARM 기반 AWS Graviton 프로세서에 최적화된 Cardinal은 Single Instruction, Multiple Data (SIMD) 가속, CPU 피닝 및 지능형 I/O 스케줄링을 사용하여 CPU 사이클을 크게 줄이고 처리량을 개선합니다.

Zero-DevOps를 위한 내장형 인텔리전스

Zilliz Cloud는 고성능과 지능형 자동화 기능을 모두 제공합니다:

AutoIndex: 머신 러닝을 활용하여 AutoIndex는 데이터 특성과 시스템 상태를 기반으로 최적의 인덱스 유형과 구성을 자동으로 선택합니다. 이를 통해 사람의 개입 없이 검색 정확도와 지연 시간 간의 최적의 균형을 보장합니다.
Auto-Scaling: 컴퓨팅과 스토리지는 실시간 워크로드 수요를 기반으로 탄력적으로 확장되어, 트래픽 급증과 대규모 데이터 수집을 원활하게 처리할 수 있도록 보장합니다.

엔터프라이즈 지원 기능

High Availability: 당사의 고가용성 시스템 설계는 복제본 전반에 쿼리를 자동으로 분산하여 지연 시간을 줄이는 동시에 영역 장애 중에도 지속적인 운영을 보장합니다. 복제본은 최대한의 복원력을 위해 AWS 가용 영역 전반에서 지능적으로 동기화됩니다.
포괄적인 관측 가능성: Prometheus와의 심층 통합을 통해 26개 메트릭에 걸친 41개 알림으로 실시간 모니터링이 가능하며, 인프라 상태부터 데이터 운영까지 모든 것을 포괄합니다. 팀은 성능 패턴에 대한 완전한 가시성을 바탕으로 벡터 검색 인프라를 사전에 관리할 수 있습니다.
원활한 데이터 마이그레이션: 잘 정비된 마이그레이션 경로를 통해 Zilliz Cloud 사용자는 Pinecone 및 Elasticsearch와 같은 다른 소스에서 데이터를 클릭 한 번으로 마이그레이션할 수 있습니다. 마이그레이션 기능은 또한 자동 스키마 변환을 지원하여 데이터 무결성을 보존하는 동시에 Zilliz Cloud의 향상된 기능을 활용할 수 있게 합니다.
글로벌 인프라 및 보안: 미국, 유럽 및 APAC 전역의 7개 AWS 리전에서 제공되는 Zilliz Cloud는 전 세계적으로 낮은 지연 시간 성능을 제공합니다. 보안은 Auth0 기반 인증으로 내장되어 있으며 Okta, GitHub 및 Google OAuth를 통한 엔터프라이즈 SSO를 지원합니다.

클라우드 네이티브 아키텍처와 독자적인 Cardinal 인덱스 엔진을 갖춘 Zilliz Cloud는 10억 개 벡터 규모에서 벡터 검색을 위한 독보적인 속도, 탄력성 및 단순성을 제공합니다.

AWS 기술과의 심층 통합

AWS가 제공하는 안정적인 인프라와 클라우드 서비스는 저수준 하드웨어 세부 사항에 대한 걱정 없이 프로덕션에서 10억 규모의 벡터 검색을 제공하는 Zilliz Cloud 성공의 핵심입니다. Zilliz Cloud는 성능, 안정성 및 보안을 향상시키기 위해 AWS 기술과 깊이 통합되어 있습니다:

Amazon EKS: Milvus는 Kubernetes 네이티브입니다. Zilliz Cloud의 완전 관리형 Milvus는 벡터 검색, 인덱싱 및 메타데이터 관리에 사용되는 마이크로서비스를 AWS의 관리형 Kubernetes 환경인 EKS에 배포하여 배포를 간소화하고 높은 가용성을 제공합니다.
AWS Graviton Processors: 인덱스 구축과 같은 컴퓨팅 집약적 워크로드에 최적화된 ARM 기반 아키텍처를 사용하여 뛰어난 성능 대비 비용 비율을 제공합니다.
AWS PrivateLink: 퍼블릭 인터넷을 거치지 않고 클라이언트의 VPC와 Zilliz Cloud VPC의 벡터 데이터베이스 서버 간에 안전한 프라이빗 연결을 제공합니다.
AWS Global Infrastructure: AWS의 글로벌 리전 및 가용 영역 네트워크를 활용하여 전 세계적으로 낮은 지연 시간의 검색 경험을 제공합니다.

모든 보안 요구 사항을 위한 유연한 배포

Zilliz Cloud의 완전 관리형 SaaS 제품은 대부분의 엔터프라이즈 워크로드를 지원합니다. 그러나 고도로 규제되는 산업의 조직은 데이터 레지던시와 인프라 액세스에 대해 더 엄격한 제어를 요구하는 경우가 많습니다. 자체 클라우드 가져오기(BYOC) 제품을 통해 고성능 벡터 검색은 고객의 AWS 계정과 VPC에 직접 배포되어, 완전한 데이터 주권을 보장하고 공유 인프라 또는 퍼블릭 엔드포인트에 대한 노출을 방지합니다.

왜 Zilliz Cloud BYOC인가?

생성형 AI가 생산성과 개인화에서 큰 향상을 가져왔지만, 규제 제약으로 인해 기존 SaaS 배포가 적합하지 않을 수 있습니다. 반면 온프레미스 대안은 종종 감당하기 어려운 운영 복잡성을 수반합니다.

Zilliz Cloud BYOC는 이러한 격차를 해소하여 기업이 자체 보안 클라우드 환경 내에서 데이터에 가까운 곳에서 벡터 검색을 실행할 수 있는 역량을 제공합니다. 성능이나 확장성을 희생하지 않으면서 규정 준수 마찰을 제거합니다. 주요 BYOC 이점은 다음과 같습니다:

데이터는 고객의 AWS 환경 내에 유지됩니다: 가장 엄격한 데이터 주권 및 레지던시 요구 사항까지도 충족
운영은 AWS 네이티브 서비스를 통해 안전하게 관리됩니다: PrivateLink, IAM 및 VPC 피어링 포함
퍼블릭 데이터 송신 없음: AI 워크로드는 데이터가 있는 곳에서 실행되어, 데이터가 퍼블릭 네트워크를 통과할 때의 보안 우려를 제거합니다.

Zilliz Cloud BYOC가 AWS에서 작동하는 방식

그림 1은 Zilliz Cloud BYOC가 제어와 데이터 주권의 균형을 달성하기 위해 세심하게 설계된 아키텍처를 갖추고 있음을 보여줍니다.

AWS 기반 Zilliz Cloud BYOC 아키텍처

Zilliz가 관리하고 Zilliz의 AWS 계정에서 호스팅되는 Control Plane은 Zilliz VPC 내에서 소프트웨어 업그레이드 및 확장과 같은 운영 작업을 지시합니다. 한편, 고객의 AWS 계정에 배포되는 Data Plane은 모든 벡터 검색 서비스를 실행하여 완전한 격리를 보장하고 고객에게 전체 가시성을 제공합니다.

이 설계는 AWS 보안 기능을 통해 가능해집니다.

AWS PrivateLink는 Zilliz의 control plane과 귀하의 data plane 간 통신이 퍼블릭 인터넷을 거치지 않고 비공개적이고 안전하게 유지되도록 보장합니다.
교차 계정 IAM 역할은 프로비저닝 및 확장을 위한 안전한 최소 권한 액세스를 지원합니다.
Amazon S3는 귀하의 환경 내에서 감사 로그와 운영 메타데이터를 저장하는 데 사용되어 내부 데이터 거버넌스 정책 준수를 보장합니다.

실제 엔터프라이즈 영향

Zilliz Cloud의 고성능 벡터 검색 기능은 AWS 엔터프라이즈 고객에게 상당한 비즈니스 영향을 제공합니다. 수십억 개의 벡터 전반에서 10ms 미만 지연 시간의 검색과 엄격한 규정 준수를 통해 조직은 전례 없는 규모로 AI 애플리케이션을 구현할 수 있습니다.

미국 기반의 선도적인 법률 AI SaaS 기업인 Filevine은 Zilliz Cloud를 사용하여 방대한 양의 법률 문서를 빠르게 검색 가능하게 만들고, 예를 들어 리서치 시간을 몇 시간에서 몇 분으로 단축합니다. 이러한 향상은 Cardinal의 10배 성능 개선과 AutoIndex 최적화와 같은 기능에 의해 주도됩니다.

AWS에서 Zilliz Cloud를 선택함으로써 조직은 벡터 검색 운영을 자신 있게 확장하고 인프라 관리가 아니라 혁신에 집중할 수 있습니다.

AWS에서 Zilliz Cloud 벡터 데이터베이스 시작하기

첫 AI 애플리케이션을 구축하든 수십억 개의 벡터를 처리하도록 기존 시스템을 확장하든, Zilliz Cloud는 엔터프라이즈 AI가 요구하는 성능, 안정성, 보안을 제공합니다. 지금 AWS Marketplace를 통해 Zilliz Cloud를 사용하기 시작하거나, 무료 체험을 시작하고 싶다면 BYOC 옵션 살펴보기 또는 AWS를 통해 Zilliz에 문의하기를 이용하세요. 엔터프라이즈 규모에 맞게 구축된 벡터 검색으로 AI 애플리케이션을 혁신하여, 비즈니스가 요구하는 보안과 함께 사용자가 기대하는 성능을 제공하세요.

Zilliz는 AWS Marketplace의 새로운 AI 에이전트 및 도구의 첫 출시 파트너 중 하나로서, 강력한 벡터 데이터베이스 기능을 AWS 고객에게 제공하게 되어 매우 기쁩니다.

Jul 13, 2026에 업데이트됨

계속 읽기

VDBBench Adds Cost-Aware Benchmarking for Vector Databases

Compare Zilliz Cloud, Pinecone, and turbopuffer with VDBBench cost-aware vector database benchmarks across latency, freshness, multitenancy, and cold starts.

The AWS Outage Was a Wake-Up Call for Vector Database Cross-Region Disaster Recovery

Zilliz Cloud Had the Answer Before the Crisis. Zilliz Cloud is the world's first vector database with native cross-region disaster recovery.

Demystifying the Milvus Sizing Tool

Explore how to use the Sizing Tool to select the optimal configuration for your Milvus deployment.