メインコンテンツまでスキップ
バージョン: User Guides (BYOC)

検索

Zilliz Cloud はベクトルベースの類似検索を実装しており、検索効率とパフォーマンスを向上させるための複数の最適化機能を提供しています。この章では、Zilliz Cloud で利用可能なさまざまなベクトル検索方法の原理とチュートリアルについて学びます。

基本的なベクトル検索 [READ MORE]

ベクトル埋め込みのソート順を記録したインデックスファイルに基づき、近似最近傍（ANN）検索は受信した検索リクエストに含まれるクエリベクトルに基づいてベクトル埋め込みのサブセットを特定し、クエリベクトルとサブグループ内のベクトルを比較して最も類似した結果を返します。ANN検索により、Zilliz Cloud は効率的な検索体験を提供します。このページでは、基本的なANN検索の実行方法を学ぶことができます。

フィルタリング付き検索 [READ MORE]

ANN 検索は、指定されたベクトル埋め込みと最も類似したベクトル埋め込みを見つけます。ただし、検索結果が常に正しいとは限りません。検索リクエストにフィルタリング条件を含めることで、Zilliz Cloud は ANN 検索を実行する前にメタデータのフィルタリングを行い、検索範囲をコレクション全体から指定されたフィルタリング条件に一致するエンティティのみに絞り込むことができます。

グルーピング検索 [READ MORE]

グルーピング検索を使用すると、Zilliz Cloud で検索結果を指定したフィールドの値でグループ化し、より高いレベルでデータを集約できます。たとえば、基本的な ANN 検索を使用して手元の本に似た本を見つけることもできますが、グルーピング検索を使用すると、その本で取り上げられているトピックに関連する本のカテゴリを見つけることができます。このトピックでは、グルーピング検索の使用方法と重要な考慮事項について説明します。

ハイブリッド検索 [READ MORE]

多くのアプリケーションでは、オブジェクトはタイトルや説明文といった豊富な情報セット、またはテキスト、画像、音声などの複数のモダリティで検索できます。例えば、テキストと画像を含むツイートは、テキストまたは画像のいずれかが検索クエリのセマンティクスと一致する場合に検索されるべきです。ハイブリッド検索は、これらの多様なフィールドを横断した検索を組み合わせることで、検索体験を向上させます。Zilliz Cloud は、複数のベクトルフィールドでの検索を可能にし、複数の近似最近傍（ANN）検索を同時に実行することでこれをサポートします。マルチベクトルハイブリッド検索は、テキストと画像の両方を検索したい場合、同じオブジェクトを説明する複数のテキストフィールドを検索したい場合、または検索品質を向上させるために密ベクトルと疎ベクトルの両方を検索したい場合に特に有用です。

全文検索 [READ MORE]

全文検索は、テキストデータセット内の特定の用語やフレーズを含むドキュメントを取得し、関連性に基づいて結果をランキングする機能です。この機能は、正確な用語を見落とす可能性があるセマンティック検索の限界を克服し、最も正確で文脈的に適切な結果を確実に提供します。さらに、生のテキスト入力を受け付けることでベクトル検索を簡素化し、ベクトル埋め込みを手動で生成する必要なく、テキストデータを自動的にスパース埋め込みに変換します。

フレーズ一致 [READ MORE]

フレーズ一致を使用すると、クエリ用語を完全一致フレーズとして含むドキュメントを検索できます。デフォルトでは、単語は同じ順序で、互いに直接隣接して出現する必要があります。たとえば、「robotics machine learning」のクエリは「…typical robotics machine learning models…」のようなテキストに一致します。ここでは「robotics」「machine」「learning」の各単語が順序どおりに、間に他の単語がない状態で出現しています。

Elasticsearch クエリから Milvus へ [READ MORE]

Apache Lucene を基盤とする Elasticsearch は、主要なオープンソース検索エンジンです。しかし、更新コストの高さ、リアルタイム性能の低さ、シャード管理の非効率性、クラウドネイティブではない設計、そして過剰なリソース要件など、現代の AI アプリケーションにおいて課題に直面しています。クラウドネイティブなベクトルデータベースである Milvus は、ストレージとコンピューティングの分離、高次元データ向けの効率的なインデックス作成、および現代のインフラストラクチャとのシームレスな統合により、これらの問題を克服します。AI ワークロードに対して卓越したパフォーマンスとスケーラビリティを提供します。

パーティションキー（Namespace） [READ MORE]

パーティションキーは、コレクションの名前空間（namespace）として機能し、論理的なデータ分離を実現する検索最適化ソリューションです。特定のスカラーフィールド（テナントIDやプロジェクト名など）をパーティションキーとして指定することで、単一のコレクション内でデータを異なる名前空間に効果的に分割できます。これにより、フィルタ条件を介して特定の名前空間に検索リクエストを絞り込むことができ、検索範囲を大幅に縮小して全体的な効率を向上させることができます。この記事では、この名前空間ベースの最適化を実装する方法と、パーティションキーの使用に関する考慮事項を紹介します。

mmap を使用する [READ MORE]

メモリマッピング（mmap）により、ディスク上の大容量ファイルへの直接メモリアクセスが可能になり、Zilliz Cloud はインデックスとデータをメモリとハードドライブの両方に保存できます。このアプローチにより、アクセス頻度に基づいたデータ配置ポリシーの最適化が実現し、検索パフォーマンスに影響を与えることなくコレクションのストレージ容量を拡張できます。このページでは、Zilliz Cloud が mmap を使用して高速かつ効率的なデータの保存と取得を実現する方法について説明します。