Zilliz Cloud, 이제 AWS, GCP, Azure의 도쿄에서 사용 가능
Zilliz Cloud가 이제 AWS, Google Cloud, Microsoft Azure의 도쿄 리전에서 제공됩니다. Google Cloud asia-northeast1과 Azure Japan East가 추가됨에 따라, 일본 팀은 이제 선택한 클라우드에서 프로덕션 벡터 검색을 실행할 수 있습니다 — 이미 인프라가 운영 중인 바로 그 자리에서요.
일본은 아시아에서 가장 발전된 기업용 AI 시장 중 하나입니다. 자동차, 금융 서비스, 제조, 기술 분야의 팀들이 대규모로 검색 증강 생성(RAG), 에이전트형 AI, 시맨틱 검색을 채택하고 있습니다. 도쿄는 대부분의 기업이 기본으로 선택하는 클라우드 리전이며, Zilliz Cloud는 이제 세 주요 제공업체 모두에서 이를 지원합니다.
이번 출시를 통해 일본에서 구축하는 팀은 다음과 같은 혜택을 얻을 수 있습니다:
- 도쿄에서 선택하는 클라우드. AWS, Google Cloud, Azure 중 어디를 사용하든, 제공업체를 전환하거나 해외 리전을 경유하지 않고도 이제 도쿄에 Zilliz Cloud를 배포할 수 있습니다.
- 일본 내 데이터 레지던시. 일본의 개인정보 보호법(APPI) 또는 내부 데이터 거버넌스 정책을 적용받는 조직은 벡터 데이터를 국내에 유지하는 것이 간단합니다. 도쿄에 배포하면 데이터는 일본에 그대로 유지됩니다.
- 원스텝 마이그레이션. Pinecone, Qdrant, Weaviate, Elasticsearch 또는 자체 호스팅 Milvus에서 전환하고 계신가요? 저희 마이그레이션 서비스가 복잡한 작업을 처리합니다.
세 클라우드에서 제공되는 도쿄
| 클라우드 제공업체 | 리전 | 배포 옵션 |
|---|---|---|
| AWS | ap-northeast-1 (도쿄) | Dedicated clusters and BYOC |
| Google Cloud | asia-northeast1 (도쿄) — 신규 | Dedicated clusters and BYOC |
| Microsoft Azure | Japan East (도쿄) — 신규 | Dedicated clusters and BYOC |
세 리전 모두 완전 관리형 Dedicated 클러스터와 BYOC (Bring Your Own Cloud) 배포를 지원합니다.
시작하기
- Zilliz Cloud에 로그인하거나, 처음이라면 계정을 만드세요. $200 상당의 무료 크레딧으로 시작할 수 있습니다.
- 클러스터를 만들고, 클라우드 제공업체를 선택한 다음 도쿄 리전을 선택하세요.
- 구성과 배포를 진행하세요. 클러스터는 몇 분 안에 준비됩니다.
BYOC 배포에 대해서는 팀에 문의하세요.
다른 벡터 데이터베이스나 자체 호스팅 Milvus에서 마이그레이션하려는 경우, 마이그레이션 서비스가 도움이 될 수 있습니다.
다음 단계
리전 확장은 여기서 멈추지 않습니다. 비즈니스가 운영되는 곳에서 여러분을 만나기 위해 새로운 리전과 클라우드 제공업체를 지속적으로 검토하고 있습니다.
다음에 추가되길 원하는 리전이 있으신가요? 리전 요청을 제출하세요 — 여러분의 의견이 로드맵에 직접 반영됩니다.
계속 읽기

A Few Notes from Databricks Data + AI Summit 2026: Why the Data Layer Matters Again
James Luan shares notes from Databricks Data + AI Summit 2026 on why production AI is pushing the data layer back to the center of infrastructure.

Why We Built Vector Lakebase: Rethinking Unstructured Data Architecture for AI
Vector Lakebase: a unified, lake-native data foundation for AI workloads — and an answer to what happens after vector databases succeed.

Vector Databases vs. Time Series Databases
Use a vector database for similarity search and semantic relationships; use a time series database for tracking value changes over time.



