メインコンテンツまでスキップ

自信を持って構築し、AI アプリケーションを加速

Zilliz Cloud は完全マネージドの Milvus サービスを提供し、セキュリティを重視しながら vector search アプリケーションのデプロイとスケーリングを簡素化します。

For humans
$pip install pymilvus
For agents
$npx skills add zilliztech/zilliz-skill
基本的な Vector Search
近似最近傍(ANN)検索を実行して、クエリ vector に最も類似した vector を見つけます。詳細はこちら
Python

Zilliz Cloud でデータを活用する

  • コンピュートリソースをデータに持ち込む
  • 自分の Vector を持ち込む
  • 統合 Embedding
  • 他のデータインフラから移行する
  • バックアップと復元
1

ストレージ統合を設定します。

AWS S3 バケット、Google Cloud Storage バケット、または Microsoft Azure blob storage コンテナを Zilliz Cloud と統合します。

2

external volume を作成します。

パスまたは外部ストレージ全体を external volume として使用します。これは統合されたストレージ内のバケットまたはパスへの読み取り専用参照であり、Zilliz Cloud がデータをコピーまたは移動することなくその場でアクセスできるようにします。

3

データベースを作成します。

オンデマンドコンピュートにデータベースを作成します。データベースはプロジェクトレベルのリソースであり、プロジェクト内のすべてのオンデマンド cluster で共有されます。

4

データベース内に external collection を作成します。

0.56.0 時点で、collection の列を Parquet ファイル、Lance テーブル、Iceberg テーブル、または Vortex ファイルにマッピングします。

5

index を作成し、collection を更新します。

すべての vector field と必要に応じて scalar field に index を作成し、その後 collection を更新して、Zilliz Cloud が collection 用のメタデータと index ファイルを作成できるようにします。更新は通常、1 秒未満で完了します。

6

データの探索を開始します。

その後、外部ストレージに保存されたデータに対して、オンデマンドコンピュートリソースを使った vector search と scalar フィルタリングを開始できます。

Zilliz Cloud をさらに活用する

お好みの言語で構築を始める

Ctrl I