Zilliz Cloud عملکرد پایگاه داده برداری را افزایش می دهد

به گفته تحلیلگران، سرویس ابری پایگاه داده برداری ممکن است توسعه دهندگان را با مزیت های عملکرد و هزینه نسبت به پایگاه های داده سنتی برای بارهای کاری مرتبط با هوش مصنوعی جذب کند.

Zilliz مستقر در سانفرانسیسکو نسخه جدیدی از ارائه پایگاه داده به عنوان سرویس (DBaaS) خود، Zilliz Cloud را منتشر کرده است. این شرکت ادعا می کند که نسخه جدید عملکرد بهتری ارائه می دهد و در عین حال هزینه مالکیت را در مقایسه با نسخه قبلی خود کاهش می دهد.

Zilliz Cloud در بالای منبع باز سیستم مدیریت پایگاه داده برداری Milvus ساخته شده است. Zilliz توسط مهندسانی تاسیس شد که به توسعه پایگاه داده برداری Milvus کمک کرده بودند.

نسخه جدید Zilliz Cloud، طبق گفته این شرکت، ۱۰ برابر عملکرد بهتری نسبت به پایگاه داده اصلی Milvus وکتور ارائه می دهد. این با استفاده از فهرست نمودارهای جهان کوچک قابل پیمایش سلسله مراتبی (HNSW) در ترکیب با جستجوی فیلتر شده بهبودیافته به دست می آید.

با این حال،

HNSW برای اکثر پایگاه‌های اطلاعاتی برداری، از جمله پایگاه‌های اطلاعاتی رقبای Weaviate و Pinecone، شرط جدول است. این یکی از محبوب ترین شاخص های نمودار برای ساخت پایگاه های داده برداری است.

داگ هنشن، تحلیلگر اصلی در Constellation Research گفت: «HNSW به طور فزاینده‌ای یک قابلیت ضروری است، بنابراین Zilliz بدون اینکه توسط DBMS پشتیبانی شود، در مضیقه خواهد بود.

دلیل محبوبیت شاخص‌های مبتنی بر نمودار را می‌توان به کیفیت اساسی آن‌ها نسبت داد که می‌توانند نزدیک‌ترین همسایه‌های تقریبی را در داده‌های با ابعاد بالا در حالی که حافظه کارآمد هستند، پیدا کنند. این کیفیت منجر به افزایش عملکرد و کاهش هزینه مالکیت می شود.

یک مثال دیگر از یک شاخص مبتنی بر نمودار Vamana است. انواع دیگر شاخص‌های مورد استفاده در پایگاه‌های داده برداری عبارتند از Inverted File Index (IVF).

ویژگی‌های اضافی به‌روزرسانی Zilliz Cloud شامل متریک شباهت کسینوس، جستجوی محدوده، و upsert است.

متریک شباهت کسینوس اغلب برای پردازش متن استفاده می شود، جایی که جهت بردارهای جاسازی شده مهم است اما فاصله بین آنها مهم نیست.

جستجوی محدوده در پایگاه داده برداری برای محدود کردن نتایج جستجو بر اساس فاصله بین بردار پرس و جو و بردارهای پایگاه داده استفاده می شود.

تابع upsert، در یک پایگاه داده برداری، برای افزودن یک بردار جدید به نمایه یا به روز رسانی آن در صورت وجود بردار با همان شناسه استفاده می شود.

علاوه بر ارائه یک مشتری Milvus یکپارچه که Zilliz ادعا می‌کند تجربه توسعه‌دهنده را بهبود می‌بخشد، نسخه جدید Zilliz Cloud می‌تواند با تجزیه و تحلیل داده‌ها، یادگیری ماشینی و پلتفرم‌های پخش جریانی مانند ادغام شود. Apache Spark، Apache Kafka و Airbyte.

علی‌رغم مزایای نسخه جدید، Henschen از Constellation Research معتقد است که بسیاری از شرکت‌ها به پایگاه‌های داده اصلی که قبلاً برای قابلیت‌هایی مانند جاسازی‌های برداری و جستجوی برداری استفاده می‌کنند، روی می‌آورند.

هولگر مولر، یکی دیگر از تحلیلگران اصلی در Constellation Research گفت: «چالش فروشندگانی مانند Zilliz این است که معمولاً داده‌های معاملاتی شرکت را با خود ندارند.

“یا باید سهولت استفاده از دریافت داده های تراکنش را در آنها فراهم کنند یا باید راه حلی داشته باشند که به شرکت ها کمک کند تا بردارها را از سیستم رکورد خود به روز کنند. مولر اضافه کرد، اگر این کار انجام نشود، شرکت‌ها مجبور خواهند شد به پایگاه‌های داده موجود خود مانند پایگاه‌های داده Oracle، AWS، IBM و Microsoft نگاه کنند.

Henschen افزود:

رقابت برای Zilliz حتی سخت‌تر است زیرا رقبایی مانند Pinecone نیز محصولات خود را به عنوان خدمات مبتنی بر ابر ارائه می‌دهند.

با این حال، تحلیلگر گفت که تیم‌های اختصاصی هوش مصنوعی و توسعه‌دهندگان هوش مصنوعی ممکن است در استفاده از یک محصول یا سرویس پایگاه داده بردار اختصاصی، مزایای عملکرد و هزینه‌ای پیدا کنند، با این فرض که تمام ویژگی‌هایی را که برای پشتیبانی از موارد استفاده آن‌ها نیاز دارند، فراهم می‌کند.