Vector-database

All Posts

Published on
2026년 8월 12일
지금 주목받는 오픈소스 (5) 데이터와 ML 파이프라인
open-source data-engineering mlops python rust vector-database
데이터 파이프라인은 스케줄러 하나로 해결되지 않습니다. 적재, 변환, 오케스트레이션, 실행 엔진, 모델 수명 주기, 검색 저장소가 각각 다른 도구의 영역이 되었습니다. 이 층들에서 실제로 쓰이는 오픈소스 11개를 스타 순위가 아니라 담당 구간별로 묶어 소개합니다. 무엇을 대체하는지, 성숙도가 어느 정도인지, 언제 쓰면 안 되는지를 함께 적었고, 저장소 경로와 라이선스, 스타 수, 최근 푸시는 2026년 8월 12일 GitHub에서 직접 확인한 값입니다. 오픈소스 코어와 상용 관리형 제품의 경계가 어디인지도 함께 짚습니다.
Published on
2026년 7월 16일
벡터 인덱스의 기본값이 HNSW에서 디스크로 바뀐 이유 — Elasticsearch bbq_disk의 트레이드오프
vector-database elasticsearch ann-index quantization hnsw
Elasticsearch 9.4(2026-05-05)부터 float 벡터의 기본 인덱스 타입이 bbq_disk, 즉 디스크 기반 IVF로 바뀌었습니다. 1년 사이에 기본값이 int8_hnsw에서 bbq_hnsw로, 다시 그래프가 아닌 디스크 인덱스로 옮겨간 것인데, 이 이동은 벡터 검색의 진짜 비용이 계산이 아니라 RAM에 있다는 판단을 담고 있습니다. 이 글은 HNSW의 메모리 절벽이 벤더 벤치마크에서 어떤 숫자로 나타나는지, BBQ가 원 논문 RaBitQ에서 무엇을 가져오고 이론적 오차 한계를 어떻게 버렸는지(그리고 9.4에서 어떻게 일부 되돌렸는지), DiskBBQ가 recall 95% 언저리에서 멈추는 이유를 정리합니다. 또 2026년 6~7월 Elastic과 Qdrant 사이에 오간 벤치마크 공방을 뜯어봅니다 — 디스크 읽기를 헤드라인으로 내건 벤치마크에서 정작 디스크는 0 IOPS로 잠들어 있었고, 숫자를 실제로 움직인 것은 세그먼트 개수였습니다. 기본값이 Enterprise 라이선스에 묶여 있다는 점을 포함해, 언제 쓰지 말아야 하는지까지 다룹니다.
Published on
2026년 5월 16일
벡터 데이터베이스 2026 완벽 가이드 - Pinecone · Weaviate · Milvus · Qdrant · Chroma · LanceDB · pgvector · Vespa · Turbopuffer 심층 분석
vector-database pinecone weaviate milvus qdrant chroma lancedb pgvector vespa turbopuffer rag embeddings deep-dive
2026년 벡터 데이터베이스 시장은 캄브리아기 폭발 그 자체다. Pinecone serverless, Weaviate 1.27, Milvus 2.5, Qdrant 1.13, Chroma 0.5, LanceDB 0.20, pgvector 0.8, Vespa, Turbopuffer까지 — 10개 이상의 진영이 각자의 의견을 들고 시장에 들어왔다. HNSW와 DiskANN, IVF·PQ·SQ 같은 인덱스 알고리즘부터 quantization과 multi-vector retrieval까지, 어떤 워크로드에 어떤 DB를 골라야 하는지 실제 가격·운영 경험을 포함해 한 번에 정리한다.
Published on
2026년 5월 16일
벡터 데이터베이스 2026 완벽 가이드 - Pinecone · Weaviate · Qdrant · Milvus · pgvector · LanceDB · Chroma · FAISS · DiskANN 심층 분석
vector-database pinecone weaviate qdrant milvus pgvector lancedb chroma faiss hnsw embeddings rag semantic-search ann
2026년 5월 기준 RAG와 시맨틱 검색을 지탱하는 벡터 DB 생태계를 끝까지 본다. Pinecone Serverless v3, Weaviate, Qdrant(Rust), Milvus 2.5 + Zilliz, Chroma, LanceDB, pgvector + pgvectorscale + ParadeDB, Vespa, OpenSearch k-NN, Redis Vector, MongoDB Atlas Vector, SingleStore, Turbopuffer, Marqo, Vald, NGT, FAISS, ScaNN, DiskANN, Annoy까지 ANN 알고리즘(HNSW · IVF · IVF-PQ · DiskANN), 하이브리드 검색(BM25 + dense + RRF + Cohere/Voyage 리랭커), 멀티벡터(ColBERT · ColPali), GPU 인덱싱(cuVS), 그리고 한국 · 일본의 도입 사례까지 한 글에 정리한다.
Published on
2026년 5월 14일
벡터 DB 지형 2026 — Pinecone Serverless·Turbopuffer·pgvectorscale·Qdrant·Weaviate·Vespa 한 장에 정리하는 딥다이브
vector-database pinecone turbopuffer pgvector qdrant weaviate milvus vespa rag
2024년에 쓴 '벡터 DB 비교' 글은 이미 낡았다. Pinecone Serverless의 가격 붕괴, Turbopuffer가 S3 위에 띄운 2.5조 벡터, pgvectorscale의 StreamingDiskANN, Qdrant의 RocksDB 제거, Weaviate의 ColBERT 멀티벡터, Milvus 2.6의 GPU 인덱스, Vespa가 Spotify에서 돌리는 실시간 하이브리드, DuckDB VSS의 등장, LanceDB의 컬럼나·임베디드 노선까지 — 2026년 5월 시점의 실제 지형을 비용·아키텍처·선택 기준으로 한 장에 정리한다. '그냥 pgvector 써' 시대의 결정 다이어그램과 안티패턴 포함.
Published on
2026년 4월 15일
AI 엔지니어링 실전 — LLM API, RAG, 에이전트, LoRA/DPO, 벡터 DB, 평가, 관측, Prompt Injection 완전 가이드 (2025)
ai-engineering llm rag ai-agent lora dpo vector-database embeddings evaluation observability prompt-injection langgraph
LLM API 프로덕션 호출의 진짜 어려움, RAG가 단순 조회가 아닌 이유, 에이전트 패턴(ReAct/Plan-Execute/ReWOO), 파인튜닝 언제/언제 하지 말까(LoRA/QLoRA/DPO), 벡터 DB 선택 매트릭스, LLM 평가의 근본적 어려움, 비용 최적화, Prompt Injection 방어까지. 데모가 아닌 '진짜 프로덕션' AI 앱을 만드는 법.
Published on
2026년 4월 15일
ANN 알고리즘 완전 가이드 2025: HNSW, IVF, Product Quantization, LSH — 벡터 DB의 내부는 어떻게 작동하는가
ann hnsw ivf product-quantization lsh vector-database similarity-search embedding rag llm
Pinecone, Weaviate, Qdrant, pgvector가 수억 벡터에서 밀리초 만에 유사 항목을 찾는 비결. HNSW, IVF, Product Quantization, LSH 등 ANN 알고리즘의 수학과 구현을 720줄로 깊이 있게 파헤친다.
Published on
2026년 4월 13일
Vector Database 완전 가이드 2025: 임베딩, 유사도 검색, Pinecone/Weaviate/Qdrant/pgvector
vector-database embedding similarity-search pinecone weaviate qdrant pgvector chromadb hnsw ai-infrastructure 2026-04
Vector DB의 모든 것! 벡터 임베딩 원리, 유사도 검색(코사인/유클리드/내적), 인덱싱 알고리즘(HNSW/IVF/PQ), Pinecone vs Weaviate vs Qdrant vs Milvus vs pgvector 비교, 하이브리드 검색, 필터링, 프로덕션 운영, 성능 벤치마크.
Published on
2026년 3월 23일
Vector Database 엔지니어 커리어 가이드: Pinecone·Weaviate·Milvus·pgvector 완전 비교와 RAG 시대의 필수 역량
vector-database pinecone weaviate milvus qdrant pgvector rag embeddings similarity-search career 2026-03
RAG 시대의 핵심 인프라 Vector Database를 완전 분석합니다. Pinecone, Weaviate, Milvus, Qdrant, pgvector, Chroma 6대 벡터 DB 아키텍처/성능/비용 비교, 임베딩 모델 선택, ANN 알고리즘(HNSW/IVF), 하이브리드 검색, 프로덕션 운영 가이드.
Published on
2026년 3월 17일
데이터베이스 엔지니어링 완전 정복: SQL부터 벡터DB, AI RAG 시스템까지
database postgresql vector-database pgvector rag redis 2026-03
SQL 고급 기법부터 pgvector 벡터 검색, Pinecone, RAG 시스템 구축까지 AI 시대의 데이터베이스 엔지니어링 완전 가이드입니다.
Published on
2026년 3월 17일
RAG 시스템 완전 정복: 검색 증강 생성의 모든 것
rag llm vector-database langchain embedding 2026-03
RAG(검색 증강 생성) 시스템을 완전히 마스터하는 가이드. 기본 RAG부터 고급 Self-RAG, Corrective-RAG, HyDE까지, 벡터 데이터베이스, 임베딩 모델, 청킹 전략, 리랭킹까지 실전 예제로 구축합니다.
Published on
2026년 3월 16일
RAG 2.0: 기업 지식관리의 혁신 - 단순 챗봇을 넘어 지능형 조직 메모리로
rag llm enterprise knowledge-management vector-database ai 2026-03
RAG(검색 증강 생성)는 2026년 기업 인공지능의 핵심 기술로 진화했습니다. 하이브리드 검색, 지식 그래프 통합, 다중 모달 처리를 통해 조직 전체의 암묵적 지식을 명시적인 조직 메모리로 변환하며, 단순한 챗봇을 넘어 전략적 의사결정 도구로 활용되고 있습니다.
Published on
2026년 3월 11일
RAG 파이프라인 프로덕션 구축 가이드: 벡터 DB 선택부터 청킹·리랭킹·평가까지
llm rag vector-database retrieval embedding 2026-03
RAG(Retrieval-Augmented Generation) 파이프라인의 프로덕션 구축을 체계적으로 다룹니다. 임베딩 모델 비교, 벡터 DB 선택(Pinecone·Milvus·Weaviate·Qdrant·Chroma), 청킹 전략, 하이브리드 검색, 리랭킹, RAGAS 평가 메트릭, 장애 대응까지 실전 운영 노하우를 제공합니다.
Published on
2026년 3월 9일
Qdrant 벡터DB 운영 및 사용 방법 총정리 — 컬렉션 설계부터 RAG 연동까지
database qdrant vector-database embedding similarity-search rag
Qdrant 벡터DB의 핵심 개념부터 컬렉션 설계, 인덱스 전략, 필터링, RAG 파이프라인 연동, 운영 모니터링까지 실전에서 바로 쓸 수 있는 가이드를 정리했습니다.
Published on
2026년 3월 6일
RAG 기반 FAQ 챗봇 프로덕션 구축 가이드: 벡터 DB 선정부터 운영 최적화까지
chatbot rag vector-database faq langchain 2026-03
RAG 파이프라인의 청킹·임베딩·검색 전략, Pinecone·Weaviate·Milvus 벡터 DB 비교, LangChain 기반 FAQ 챗봇 구현, 프로덕션 배포와 품질 평가·모니터링까지 다루는 실전 가이드.
Published on
2026년 3월 1일
RAG: Retrieval-Augmented Generation 논문 분석과 실전 아키텍처
ai-papers rag llm vector-database langchain
RAG 논문의 핵심 개념을 분석하고, Chunking 전략, Vector DB 선택, Advanced RAG 패턴 등 프로덕션 레벨 RAG 시스템 설계를 정리한다.

Vector-database

vector-database (16)