Zilliz Cloud agora disponível na AWS Ásia-Pacífico (Seul)
Temos o prazer de anunciar que o Zilliz Cloud agora está disponível na AWS ap-northeast-2 (Seul). Se você está executando cargas de trabalho de IA na AWS na Coreia — ou atendendo usuários finais coreanos a partir do exterior — não precisa mais rotear por Tóquio ou Virgínia. A busca vetorial em produção agora roda onde sua infraestrutura já está.
A Coreia do Sul é um dos mercados de IA que avançam mais rapidamente na Ásia, com grandes plataformas de internet, estúdios de jogos e empresas fintech lançando produtos nativos de IA em escala. A AWS ap-northeast-2 é a região padrão para a maioria deles, e o Zilliz Cloud agora está bem ao lado dela.
Com este lançamento, as equipes que desenvolvem na Coreia obtêm:
- Busca vetorial com menor latência para usuários coreanos. Equipes que antes roteavam para ap-northeast-1 (Tóquio) ou regiões dos EUA agora podem atender cargas de trabalho de geração aumentada por recuperação (RAG), busca agêntica, recomendação e busca semântica a partir de Seul — reduzindo significativamente a latência de ida e volta para usuários finais coreanos.
- Residência de dados dentro da Coreia do Sul. Para organizações sujeitas à Lei de Proteção de Informações Pessoais da Coreia (PIPA) ou a políticas internas de governança de dados, manter dados vetoriais dentro do país agora é simples. Implante em ap-northeast-2 e seus dados permanecem em Seul.
- Migração em uma etapa, de onde quer que você esteja hoje. Migrando do Pinecone, Qdrant, Weaviate, Elasticsearch, PostgreSQL, OpenSearch ou Milvus auto-hospedado? Nosso serviço de migração cuida do trabalho pesado, para que mudar para uma implantação hospedada em Seul não signifique reconstruir seu pipeline.
Fortalecendo nossa presença na APAC
Seul se junta a Tóquio, Singapura e Sydney em nossa linha Ásia-Pacífico na AWS — oferecendo às equipes da APAC quatro opções regionais em um único provedor de nuvem. Combinado com a cobertura de GCP e Azure na região, o Zilliz Cloud agora oferece a presença mais ampla na APAC entre todos os bancos de dados vetoriais gerenciados do mercado.
Um panorama das nossas regiões na APAC:
| AWS | Google Cloud | Microsoft Azure |
|---|---|---|
| ap-northeast-1 (Tóquio) | asia-southeast1 (Singapura) | Central India (Pune) |
| ap-northeast-2 (Seul) — Novo | ||
| ap-southeast-1 (Singapura) | ||
| ap-southeast-2 (Sydney) |
Com Seul ativa, o Zilliz Cloud agora está disponível em 31 regiões na AWS, Google Cloud, Microsoft Azure, Alibaba Cloud e Tencent Cloud. Veja a lista completa em nossa documentação de Provedores de nuvem e regiões.
Comece a usar o Zilliz Cloud em Seul
Criar um cluster na nova região de Seul leva apenas alguns passos:
- Faça login no Zilliz Cloud — ou crie uma conta gratuita se você é novo. Você pode receber US$ 100 em créditos ao se registrar com um e-mail corporativo.
- Crie um cluster, selecione AWS como seu provedor de nuvem e escolha ap-northeast-2 (Seul) como sua região.
- Configure e implante — seu cluster estará pronto em minutos.
Se você está migrando de outro banco de dados vetorial ou saindo de uma região diferente, nossos guias de migração e equipe de suporte estão aqui para ajudar.
O que vem a seguir
Nossa expansão regional não para por aqui. Estamos avaliando continuamente novas regiões e provedores de nuvem para atendê-lo onde sua empresa opera.
Tem uma região que gostaria de ver a seguir? Conte-nos — sua contribuição molda diretamente nosso roadmap.
Continue lendo
Zilliz Cloud BYOC Now Available Across AWS, GCP, and Azure
Zilliz Cloud BYOC is now generally available on all three major clouds. Deploy fully managed vector search in your own AWS, GCP, or Azure account — your data never leaves your VPC.
Zilliz Cloud Launches in AWS Australia, Expanding Global Reach to Australia and Neighboring Markets
We're thrilled to announce that Zilliz Cloud is now available in the AWS Sydney, Australia region (ap-southeast-2).
Data Deduplication at Trillion Scale: How to Solve the Biggest Bottleneck of LLM Training
Explore how MinHash LSH and Milvus handle data deduplication at the trillion-scale level, solving key bottlenecks in LLM training for improved AI model performance.