Zilliz Cloud, 궁극의 엔터프라이즈 데이터 주권을 위한 고급 BYOC-I 솔루션 도입
엔터프라이즈 AI 딜레마: 혁신 vs. 통제
산업 전반에서 AI 도입이 가속화됨에 따라, 많은 조직은 강력한 vector database 기능과 데이터 주권 요구 사항 사이의 균형을 맞추는 데 어려움을 겪고 있습니다. 이는 금융, 의료, 교육과 같은 규제 산업에서 특히 어려운데, 이러한 분야에서는 데이터 보안을 절대 타협할 수 없기 때문입니다.
Zilliz Cloud BYOC (Bring-Your-Own-Cloud)는 이러한 딜레마를 완전히 해소합니다. 조직이 완전한 인프라 통제권을 유지하면서, 데이터가 위치한 곳에서 직접 정교한 AI 워크로드를 실행할 수 있도록 지원하는 업계 유일의 벡터 데이터베이스 제품으로서, 보안에 민감한 환경에서 기업이 AI 배포에 접근하는 방식을 변화시키고 있습니다.
오늘, 가장 엄격한 보안 및 규정 준수 요구 사항을 가진 기업을 위해 특별히 설계된 BYOC 솔루션의 향상판인 Zilliz Cloud BYOC-I를 공개하게 되어 자랑스럽게 생각합니다.
Zilliz Cloud BYOC 이해하기: 모든 보안 태세에 맞는 유연한 배포 옵션
BYOC-I가 최신으로 추가됨에 따라, 이제 당사의 BYOC 플랫폼은 귀사의 특정 보안 및 운영 요구 사항에 맞춰 두 가지 배포 모델을 제공합니다. 귀사의 조직 요구에 가장 적합한 옵션을 결정하는 데 도움이 되도록 이러한 옵션을 살펴보겠습니다.
BYOC (Standard): 운영 단순성을 갖춘 균형 잡힌 통제
그림 1- Zilliz Cloud BYOC (표준 모드)
그림 1: Zilliz Cloud BYOC (표준 모드)
표준 BYOC 모델에서 Zilliz Cloud는 고객의 클라우드 환경 내에서 데이터 플레인 리소스를 프로비저닝하고 관리하기 위해 교차 계정 역할을 맡습니다. 이 아키텍처는 다음을 제공합니다:
모든 데이터를 귀사의 VPC 및 계정 내에 유지
귀사의 명령에 따라 Zilliz가 리소스를 동적으로 확장할 수 있도록 허용
Zilliz Cloud SaaS 제품에서 제공되는 것과 동일한 확장 및 관리 기능 제공
암호화된 내장 리버스 터널을 통해 Zilliz Cloud와 귀사의 VPC 간 보안 통신 구축
향상된 보안을 위한 선택적 AWS PrivateLink 지원 제공
데이터가 위치한 곳에서 AI 워크로드를 처리함으로써 고가의 데이터 전송 비용 제거
이 배포 옵션은 인프라 관리 부담을 최소화하면서 데이터 주권을 유지하고자 하는 조직에 이상적입니다.
BYOC-I (New): 엄격한 보안 요구 사항을 위한 완전한 통제
그림 2- Zilliz Cloud BYOC-I (인프라 통제 모드)
그림 2: Zilliz Cloud BYOC-I (인프라 통제 모드)
새로운 BYOC-I (BYOC-Infra) 아키텍처는 교차 계정 IAM 역할에 의존하는 외부 통제를 제거하여 보안을 한 단계 더 높이고, 귀사에 인프라에 대한 완전한 권한을 부여합니다. 이 접근 방식은 다음을 제공합니다:
- 모든 데이터를 귀사의 VPC 및 계정 내에 유지
- 귀사가 모든 데이터 플레인 리소스에 대한 책임을 맡을 수 있도록 허용
- 귀사의 명시적 허가 없이는 Zilliz가 어떠한 인프라 리소스에도 접근하지 못하도록 방지
- 선택적 PrivateLink 지원과 함께 동일한 내장 리버스 터널을 통해 보안 통신 유지
BYOC-I는 인프라 및 데이터 접근에 대한 완전한 통제가 절대 타협할 수 없는 요구 사항인 금융 및 의료와 같은 강력한 규제 산업의 조직에 완벽합니다.
Standard BYOC vs. BYOC-I
| 기능 | 표준 BYOC | BYOC-I |
|---|---|---|
| 데이터가 고객 VPC에 유지됨 | ✓ | ✓ |
| 고객 계정 내 인프라 | ✓ | ✓ |
| 안전한 리버스 터널 통신 | ✓ | ✓ |
| PrivateLink 지원 | ✓ | ✓ |
| 데이터 전송 비용 없음 | ✓ | ✓ |
| 컨트롤 플레인 접근 모델 | 크로스 계정 역할 | BYOC Agent만 |
| 인프라 리소스 제어 | Zilliz 관리 | 고객 제어 |
| 유지보수 차단 기능 | 균형형 | 전체 |
두 옵션 모두 보안, 컴플라이언스 또는 운영 효율성을 저해하지 않으면서 고성능 벡터 검색 기능을 제공합니다. 귀중한 데이터와 AI 자산을 자체 클라우드 환경에 유지함으로써, Zilliz Cloud BYOC는 혁신과 제어 사이의 기존 트레이드오프를 제거합니다.
향상된 BYOC 기능: 더 높은 가시성과 제어
두 배포 옵션 모두 이제 엔터프라이즈 요구 사항을 충족하도록 설계된 강력한 새로운 기능을 포함합니다:
포괄적인 감사 로깅
당사의 Data Plane Audit Log 기능은 모든 벡터 검색, 인덱스 관리 작업, 데이터 조작 활동을 추적하며 다음을 제공합니다:
- 모든 데이터 플레인 감사 로그가 VPC 환경 내에 유지되는 완전한 데이터 주권
- 감사 가능한 모든 데이터 플레인 작업의 상세 로그
- 자체 클라우드 객체 스토리지(예: AWS S3)로 직접 스트리밍
- 클러스터별 별도 폴더를 통한 체계적인 로그 저장
- 완료된 작업 후 5분 이내 전달
유연한 인프라 구성
최신 릴리스에서는 인프라 리소스에 대한 세분화된 제어 기능을 도입했습니다. 이제 Search Services, Other Database Components, Core Support Services를 포함한 주요 서비스 그룹에 대해 인스턴스 유형과 수량을 정의할 수 있습니다.
구성을 단순화하기 위해 Small, Medium, Large, X-Large라는 일련의 사전 정의된 프로젝트 크기도 도입했습니다. 이는 수백만에서 수십억 개의 엔티티에 이르는 다양한 워크로드를 지원하도록 설계되었습니다. 이 접근 방식을 통해 각 구성 요소를 개별적으로 설정할 필요 없이 요구 사항에 가장 잘 맞는 옵션을 빠르게 선택할 수 있습니다. 모든 구성 최적화를 통해 몇 번의 클릭만으로 완전한 BYOC 프로젝트를 배포할 수 있으며, 필요한 경우 완전한 사용자 지정 설정 옵션도 계속 유지할 수 있습니다.
산업 전반에서 안전하고 확장 가능한 AI 구현
Zilliz Cloud BYOC를 통해 보안 팀은 게이트키퍼에서 지원자로 전환되어, 조직의 리스크 태세를 저해하지 않고 AI 도입을 지원할 수 있습니다. 즉, 가장 엄격한 컴플라이언스 요구 사항을 충족하면서 고급 벡터 검색 애플리케이션을 배포할 수 있습니다.
BYOC 또는 BYOC-I 중 무엇을 선택하든, Zilliz Cloud의 업계 최고 수준 기능을 이용할 수 있습니다:
확장 가능한 벡터 검색: 10ms 미만의 지연 시간으로 수십억 개의 벡터 처리
하이브리드 검색 지원: 벡터, 텍스트, 메타데이터 검색을 원활하게 결합
고급 압축: Int8 압축 및 RabitQ 1비트 양자화와 같은 기법으로 스토리지 및 컴퓨팅 최적화
오픈 소스 기반: 전 세계 10,000개 이상의 조직이 신뢰하는 가장 널리 채택된 오픈 소스 Milvus 기반
산업 전반에서의 실제 비즈니스 영향
Zilliz Cloud BYOC 솔루션은 이전에는 극복하기 어려워 보였던 컴플라이언스 장벽에 직면했던 조직에서 이미 AI 혁신을 가능하게 하고 있습니다:
금융 서비스: 민감한 거래 데이터를 통제된 환경 내에 유지하면서 사기 탐지 AI 모델 배포
헬스케어: 엄격한 HIPAA 컴플라이언스를 유지하면서 고급 진단 시스템 구현
교육: 학생 데이터 프라이버시를 보호하면서 AI 강화 학습 도구 활용
전자상거래: 글로벌 소비자 데이터 보호 규정을 준수하면서 개인화 엔진 배포
벡터 기능이 제한적인 레거시 데이터베이스나 광범위한 운영 리소스가 필요한 자체 호스팅 벡터 데이터베이스와 달리, Zilliz Cloud BYOC는 성능, 제어, 운영 단순성의 고유한 조합을 제공합니다.
Zilliz Cloud BYOC 시작하기
AI 배포 전략을 혁신할 준비가 되셨나요? 시작하는 방법은 다음과 같습니다:
문서 살펴보기: BYOC 솔루션에 대해 자세히 알아보기
영업팀에 문의하기: 문의하기를 통해 조직에서 이러한 기능을 활성화하세요
배포 가이드 따르기: AWS의 BYOC 또는 AWS의 BYOC-I에 대한 단계별 지침
프로덕션 준비가 완료된 벡터 검색 애플리케이션으로 가는 길을 가속화하면서 오늘 AI 인프라를 직접 제어하세요.
계속 읽기
How to Improve Retrieval Quality for Japanese Text with Sudachi, Milvus/Zilliz, and AWS Bedrock
Learn how Sudachi normalization and Milvus/Zilliz hybrid search improve Japanese RAG accuracy with BM25 + vector fusion, AWS Bedrock embeddings, and practical code examples.
The Real Bottlenecks in Autonomous Driving — And How AI Infrastructure Can Solve Them
Autonomous driving faces a data bottleneck. Learn how AI-native vector databases like Zilliz solve scale, cost, and insight challenges across AV pipelines.
Optimizing Embedding Model Selection with TDA Clustering: A Strategic Guide for Vector Databases
Discover how Topological Data Analysis (TDA) reveals hidden embedding model weaknesses and helps optimize vector database performance.