Zilliz Cloud Serverless是什么
Zilliz Cloud Serverless 是 Zilliz 推出的全托管向量数据库云服务，底层基于开源向量数据库 Milvus。它面向生成式 AI 应用，把向量存储、索引构建和相似度查询都搬到云端，开发者不需要自己部署、升级和维护数据库节点。向量数据库的作用是把文本、图像等内容通过 embedding 模型转成向量后存储起来，查询时按距离或相似度快速找出最接近的结果。Serverless 版本没有固定节点规格，资源会根据实际请求自动伸缩，费用通常按读写量和存储量计算，适合从原型验证到流量波动明显的小规模生产场景。
主要功能
- 向量写入与相似度检索：支持高维向量存储，按余弦相似度、欧氏距离等方式返回最相近的结果。
- 标量过滤：在向量查询中加入标签、时间等元数据条件，减少无效候选集。
- 自动扩缩容：根据查询负载自动调整计算资源，空闲时缩容以控制成本。
- 多集合与项目隔离：可按业务或项目创建不同集合，配置分区键隔离数据。
- SDK 与生态集成：提供 Python、Java、Go 等 SDK，可对接 LangChain、LlamaIndex 等常用 GenAI 框架。
适合哪些人使用
- 正在做 RAG 问答、语义搜索、图片检索或推荐系统的生成式 AI 开发者。
- 缺少专职运维，希望省去安装部署和日常监控的小团队。
- 项目早期流量不确定，想按实际用量付费、避免为常开实例买单的用户。
- 已有 Milvus 使用经验，需要托管版本减少维护工作的团队。
使用建议
- 先确定 embedding 的维度、距离度量方式，写入和查询时保持参数一致。
- 创建集合时规划好主键和分区键，索引参数选择与数据规模匹配，避免默认配置不适用。
- 尽量用元数据过滤先缩小范围，再做向量相似度排序，可降低查询延迟和费用。
- 开发验证阶段直接用 Serverless，进入稳定高负载阶段后根据延迟和成本数据评估是否迁移到专用实例。
- 对延迟敏感的场景提前做压测，关注冷启动和按量计费带来的波动。
常见问题
Serverless 和固定规格实例有什么不同？
固定规格实例需要预先选择节点类型和数量，资源长期预留；Serverless 不需要选规格，按实际读写和存储用量计费，空闲时自动缩容。具体功能边界和计费方式以官网最新说明为准。
Serverless 能支撑大规模生产流量吗？
它更适合流量不稳定或小规模生产场景。面对持续高并发、极低延迟要求时，建议结合官网建议和自己的压测结果评估是否使用固定规格实例。
如何连接并开始写入数据？
在 Zilliz Cloud 控制台创建 Serverless 集群后，获取连接地址和 API Key，再通过官方 SDK 或集成的 AI 框架建立连接、创建集合、写入向量并执行查询。初始参数可参考官方快速开始文档。
