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飛躍的に強化する

Zilliz Cloud は完全マネージドの Milvus サービスを提供し、セキュリティを考慮しながらベクトル検索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。

人間向け
$pip install pymilvus
AI エージェント向け
$npx skills add zilliztech/zilliz-skill

コードで見る

クエリベクトルに最も類似したベクトルを見つけるには、近似最近傍(ANN)検索を実行します。詳細はこちら。
データjson
クエリ

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の場所に持ち込む
  • 独自のベクトルを持ち込む
  • 統合埋め込み
  • 他のデータ基盤からの移行
  • 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

外部ボリュームを作成します。

パスまたは外部ストレージ全体を外部ボリュームとして使用します。外部ボリュームは、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の参照であり、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データに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で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クラスターで共有されます。

4

データベース内に外部コレクションを作成します。

コレクションのカラムを、Parquet ファイル、Lance テーブル、Iceberg テーブル、または 0.56.0 以降の Vortex ファイルにマッピングします。

5

インデックスを作成し、コレクションを更新します。

すべてのベクトルフィールドとオプションのスカラーフィールドにインデックスを作成し、続いてコレクションを更新して、Zilliz Cloud がコレクションのメタデータファイルとインデックス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ているデータに対して、オンデマンドコンピュートリソースを使用したベクトル検索とスカラーフィルタリングを開始できます。

お好みの言語で構築を開始する