適切なクラスタータイプを選択する
Zilliz Cloud でクラスターを作成する際には、適切な Compute Unit (CU) を選択することが重要です。CU はデータの並列処理に使用される計算リソースの基本単位であり、クラスタータイプごとに CPU、メモリ、ストレージの組み合わせが異なります。
クラスタータイプを理解する
Zilliz Cloud では、Performance-optimized、Capacity-optimized、Tiered-storage のクラスタータイプを提供しています。
次の表では、3 つのクラスタータイプをさまざまな観点から簡単に比較しています。クラスタータイプ間の容量とパフォーマンスの詳細な比較については、最適なクラスタータイプを選択する に進んでください。
| クラスタータイプ | 検索 QPS | 検索レイテンシ | クエリ CU あたりの容量 |
|---|---|---|---|
| Performance-optimized | 500-1500 | 10 ms | 200 万個の 768 次元ベクトル |
| Capacity-optimized | 100-300 | 50-100 ms | 800 万個の 768 次元ベクトル |
| Tiered-storage | 10-50 | 100-1000 ms | 4000 万個の 768 次元ベクトル |
Performance-optimized クラスター
-
低レイテンシと高スループットを重視するシナリオ向けに設計されています。
-
生成 AI、レコメンデーションシステム、チャットボットなどのリアルタイムアプリケーションに最適です。
Capacity-optimized クラスター
-
膨大なデータセットの処理向けに作られており、Performance-optimized の同等構成と比べて 5 倍のデータ容量を備える一方で、検索パフォーマンスは控えめです。
-
大規模な非構造化データ検索、著作権検出、本人確認に最適です。
Tiered-storage クラスター
-
超大規模かつコスト重視のワークロードに最適です。
-
低コストで大量のデータを保存する必要があるアプリケーションに適しています。Tiered-storage クラスターの容量は Capacity-optimized クラスターの 4 倍です。
最適なクラスタータイプを選択する
クラスタータイプを選択する際は、データ量、期待するパフォーマンス、予算を考慮してください。ベクトルデータの規模は、ベクトル数と次元数の両方の観点から、クラスターのリソース割り当てを決定するうえで重要な役割を果たします。
容量を評価する
クラスターが収容できるエンティティ数は、そのクラスターのクエリ CU 容量によって決まります。
データ量に対して必要なクエリ CU 数を見積もるには、当社の計算ツール を使用してください。
パフォーマンスを評価する
パフォーマンス指標、特にレイテンシと 1 秒あたりのクエリ数（QPS）は重要です。
Performance-optimized クラスターは、特に標準的な top-k の値が 10 ～ 250 の範囲において、レイテンシとスループットの両面で Capacity-optimized クラスターを明確に上回ります。
次の表は、Performance-optimized クラスターと Capacity-optimized クラスターの QPS に関するテスト結果を示しています。
| top_k | Performance-optimized クラスターの QPS（768 次元、100 万ベクトル） | Capacity-optimized クラスターの QPS（768 次元、500 万ベクトル） |
|---|---|---|
| 10 | 520 | 100 |
| 100 | 440 | 80 |
| 250 | 270 | 60 |
| 1000 | 150 | 40 |
次の表は、各クラスタータイプのレイテンシに関するテスト結果を示しています。
| top_k | Performance-optimized クラスターのレイテンシ（768 次元、100 万ベクトル） | Capacity-optimized クラスターのレイテンシ（768 次元、500 万ベクトル） |
|---|---|---|
| 10 | < 10 ms | < 50 ms |
| 100 | < 10 ms | < 50 ms |
| 250 | < 10 ms | < 50 ms |
| 1000 | 10 - 20 ms | 50 - 100 ms |
シナリオ別の内訳
800 万枚の画像ライブラリを持つ画像レコメンデーションアプリケーションを構築しているとします。ライブラリ内の各画像は、768 次元の埋め込みベクトルで表現されています。目標は、1,000 QPS のレコメンデーションリクエストを迅速に処理し、上位 100 件の画像レコメンデーションを 30 ミリ秒未満で返すことです。
この要件に適したクラスタータイプとクエリ CU を選択するには、次の手順に従います。
-
レイテンシを評価する: 30 ミリ秒のレイテンシ要件を満たすのは Performance-optimized クラスターだけです。
-
容量を評価する: 1 クエリ CU を持つ単一の Performance-optimized クラスターでは、200 万個の 768 次元ベクトルを収容できます。800 万個すべてのベクトルを保存するには、少なくとも 4 クエリ CU が必要です。
-
スループットを確認する:
top-kを 100 に設定した場合、Performance-optimized クラスターは 440 QPS を達成できます。安定して 1,000 QPS を維持するには、レプリカ数を 3 倍にする必要があります。
結論として、このシナリオでは Performance-optimized クラスターが最適です。各レプリカが 4 クエリ CU で構成される 3 レプリカの構成であれば、要件を十分に満たせます。