选择合适的 CU 类型
在 Zilliz Cloud 中，为集群选择合适的计算单元（CU）是一个关键步骤。CU 提供了并行数据处理的基础计算资源，不同类型的 CU 结合了各异的 CPU、内存和存储配置。
了解 CU 类型
Zilliz Cloud 提供以下 CU 类型：性能型 CU、容量型 CU。
CU 类型 | 时延 | 吞吐能力 | 存储容量 |
|---|---|---|---|
性能型 | 低 | 高 | 低 |
容量型 | 中 | 中 | 高 |
性能型 CU
-
专门为需要低时延和高吞吐的场景设计。
-
特别适用于实时应用场景，如生成型 AI、推荐系统、对话机器人等。
容量型 CU
-
设计用于处理大量数据集，数据容量是性能型的五倍，但搜索效率相对较低。
-
特别适合大规模的非结构化数据检索、版权识别和身份验证。
选择最优的 CU 类型
在选定 CU 类型时，应综合考虑数据体量、性能要求和预算因素。向量数据的大小，包括向量数量和维度，是决定集群资源配置的关键。
容量评估
以下表格根据向量维度和总向量数，展示了各种 CU 类型的处理容量。
向量维度 | 性能型 CU（每单元最大向量数） | 容量型 CU（每单元最大向量数） |
|---|---|---|
128 | 750 万 | 2500 万 |
256 | 450 万 | 1500 万 |
512 | 225 万 | 750 万 |
768 | 150 万 | 500 万 |
1024 | 112.5 万 | 375 万 |
上面的数据基于仅考虑主键和向量的测试。如果您的数据集包含其他标量字段（如 id、标签、关键词），实际的容量可能会有所不同。因此，建议进行个性化测试以获得更精确的评估。
性能评估
性能指标，尤其是时延和每秒查询数（QPS），非常关键。性能型 CU 在时延和吞吐量方面显著超越其他类型，特别是在标准的 top-k 值（10 至 250）范围内。
下表显示了每种 CU 类型在 QPS 方面的测试结果。
top_k 值 | 性能型 CU 的 QPS（768 维度，100万向量） | 容量型 CU 的 QPS（768 维度，500 万向量） |
|---|---|---|
10 | 520 | 100 |
100 | 440 | 80 |
250 | 270 | 60 |
1000 | 150 | 40 |
下表显示了每种 CU 类型在时延方面的测试结果。
top_k | 性能型 CU 的时延（768 维度，100万向量） | 容量型 CU 的时延（768 维度，500 万向量） |
|---|---|---|
10 | < 10 ms | < 50 ms |
100 | < 10 ms | < 50 ms |
250 | < 10 ms | < 50 ms |
1000 | 10 - 20 ms | 50 - 100 ms |
场景分析
设想您正在开发一个含有 800 万张图片的图像推荐应用程序。图库中的每张图像均由一个 768 维 Embedding 向量代表。您的目标是能迅速处理每秒 1000 次的推荐请求，并在 30 毫秒内返回前 100 张推荐图片。
为了选出符合此需求的适宜 CU，请按以下步骤操作：
-
时延评估：性能型 CU 是唯一能满足 30 毫秒时延需求的类型。
-
容量考量：单个性能型 CU 能处理 150 万个 768 维向量。为容纳全部 800 万向量，您需配置至少 6 个此类 CU。
-
吞吐量检验：在 top-k 设置为100的情况下，性能型 CU 的每秒查询量（QPS）为 440。为维持 1000 QPS 的持续性能，需要将副本数量增加 3 倍。 综上所述，针对这一应用场景，选择性能型 CU 是最合适的。建议配置 3 套副本，每套包含 6 个 CU，以确保应用运行的完美性能。