AI 검색 용어집: Vector DB
Embedding을 만들었다고 검색 시스템이 끝나는 것은 아닙니다.
벡터를 저장하고, 빠르게 찾고, 조건으로 거르고, 문서 수정에 맞춰 갱신하는 저장 계층이 필요합니다.
한 문장으로 잡으면
- Vector DB는 embedding vector를 저장하고 유사도 검색, metadata filter, 인덱싱 같은 기능을 제공하는 데이터베이스 계층입니다.
핵심 포인트
포인트 1
벡터 저장
포인트 2
유사도 검색
포인트 3
metadata filter
포인트 4
ANN index
포인트 5
문서 갱신과 삭제 관리
어디에 쓰이나
문서 검색 저장소
문서 ID, embedding, 제목, 권한, 날짜 같은 정보를 함께 저장하고 검색합니다.
Metadata Filter
벡터 검색 결과를 카테고리나 권한 조건으로 제한합니다.
운영 포인트
단순 저장보다 인덱스 갱신, 삭제 반영, 백업, 비용 관리가 중요합니다.
헷갈리기 쉬운 부분
- 단순히 벡터를 저장하는 것과 운영 가능한 검색 시스템은 다릅니다.
- 권한 필터, 갱신, 백업, 비용, latency까지 같이 봐야 합니다.
기억할 것
- Vector DB는 벡터 검색을 운영 가능한 저장 계층으로 다루기 위한 도구입니다.
- 권한 필터와 문서 갱신 흐름 없이 벡터만 저장하면 서비스 검색으로는 부족합니다.