“ 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
O Vector
Lakebase para a IA
Além dos bancos de dados vetoriais: serving em tempo real, descoberta iterativa e análises em lote sobre uma única fonte da verdade, cada uma com o custo certo e em escala de centenas de bilhões de dados.
Criado pelos criadores de Milvus.
Desenvolver com a CLIcurl -fsSL https://zilliz.com/cli/install.sh | bash
S3
Hot Cache
On-demand
Compute
Compute
Conheça o Zilliz CLI e os Agent Skills para o Zilliz Cloud
A partir de hoje, você pode gerenciar todo o seu deployment Zilliz Cloud sem sair do terminal ou do seu agente de codificação com IA. Provisione clusters, execute buscas, configure backups e gerencie o controle de acesso por comandos CLI ou linguagem natural. Sem console. Sem troca de contexto.
Construído para ser fiável
Construído com base num profundo conhecimento dos modos de falha de bases de dados vectoriais em grande escala. Testado em produção em mais de 10.000 empresas ao longo de 8 anos.
Construído para escala
Projetado para lidar com mais de 100B entidades e mais de 10K QPS com latência consistente e desempenho previsível.
Construído para um custo mais baixo
Todos os dados e índices no S3, com cache quente e computação a pedido para reduzir os custos em 90%.
Pesquisa de espetro total
De vetor e texto a JSON e geoespacial - combinados com recuperação híbrida, filtragem e classificação para consultas multimodais expressivas.
Armazenamento em lago nativo
Armazenamento unificado para servir e analisar, construído em Vortex - um formato aberto de próxima geração. Leituras aleatórias até 10 vezes mais rápidas e económicas do que o Lance, com flexibilidade de formato por coluna.
“ 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
Destaques do serviço em tempo real
Arquitetura em camadas
Optimize para diversas cargas de trabalho com níveis flexíveis - proporcionando um desempenho ultra-elevado, uma eficiência equilibrada e um dimensionamento rentável em conjuntos de dados maciços.
- Solução com desempenho optimizado
- Solução optimizada em termos de capacidade
- Solução de armazenamento em camadas
Multi-Tenancy massivo para aplicações de IA
Espaços de nomes ilimitados com pesquisa híbrida de vectores, texto integral e JSON, para além de servir dados a quente e a frio.
Cluster global
Implantação em várias regiões com replicação e failover - garantindo acesso de baixa latência e alta disponibilidade em todo o mundo, suportando a rápida expansão global de aplicativos de IA.
Desempenho
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
Destaques da computação a pedido
Pesquisa a pedido
Pague por consulta, não por computação provisionada - permitindo um custo dramaticamente menor do que o serverless em escala.
Backfill contínuo e iteração de esquemas
Preencher e evoluir esquemas e modelos de dados online - sem afetar o serviço, criado para iteração contínua de IA.
Traga os índices para o seu lago
Um modo de acesso opcional para operar diretamente nos seus dados S3 (Iceberg, Lance, Vortex, Parquet). Mantenha os dados no seu bucket enquanto os índices são criados e servidos no Zilliz - sem cópias, sem ETL.
Desempenho e custo
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
A CLI para Vector Lakebase
Seu Vector Lakebase. Seu terminal. Controle total.
A CLI oficial para gerenciamento, busca e análises.
Terminal