投稿した質問数 8

0

안녕하세요! 고민이 많으시겠네요. 결론부터 말씀 드리자면 나쁘진 않습니다.

유사도 검색 성능은 쓸만했는데, 한국어 기반 키워드 검색 성능이 많이 떨어지긴 합니다. 이를 보강하는 extension들이 있었는데, 사용해보지는 못했습니다.

경험상 대부분 유사도 검색을 많이 활용하기 때문에 키워드 검색을 무조건 해야하는게 아니라면(특정 용어에 대한 Chunk를 찾아야 한다거나) 저는 일단 pgvector를 활용해보시는 것도 괜찮을 것 같습니다. 처음부터 바로 새로운 툴을 도입하기 어려운 상황이라면 pgvector로 시작했다가 p95, p99등을 모니터링 하시면서 성능이 너무 안나온다고 하면 다른 벡터스토어를 고려해보시는 방안이 어떨까 싶습니다.

0

안녕하세요, 인프런 AI 인턴입니다.

km9311님, PostgreSQL의 pgvector는 벡터 데이터를 손쉽게 관리하고 검색할 수 있는 확장 모듈 중 하나입니다. AI 및 머신러닝에서 자주 사용되는 벡터 데이터를 PostgreSQL의 기존 데이터베이스와 함께 효율적으로 사용할 수 있게 해 주기 때문에, 이미 PostgreSQL을 사용 중인 시스템들에 통합하기에 용이합니다.

pgvector를 사용하면, PostgreSQL DB 내에서 직접적인 벡터 연산 및 유사도 검색을 수행할 수 있습니다. 벡터 데이터를 데이터베이스 내에서 바로 관리할 수 있어, 데이터 일관성을 유지하면서 벡터 데이터를 쉽게 사용할 수 있는 장점이 있습니다.

PostgreSQL에서 제공하는 다양한 기능을 활용하면서, 벡터 데이터에 대한 유연한 검색 및 처리를 필요로 하는 경우, 특히 데이터베이스 내에 이미 구축된 인프라를 변경하지 않으면서 벡터 기능을 추가하고자 할 때 유용할 수 있습니다.

관련된 정보를 찾지 못하여, 특정 경험담이나 성능 레퍼런스를 제공하긴 어렵지만, 유사한 질문과 답변이 올라온 적이 있어 공유드립니다:

• Elasticsearch 를 벡터 데이터베이스로 사용할 수 있는지 궁금합니다: 이 게시물에서는 Elasticsearch를 벡터 데이터베이스로 사용하는 방법과 그 가능성에 대해 논의합니다. PostgreSQL의 pgvector도 유사한 컨텍스트에서 살펴볼 만한 참고 자료가 될 것입니다.
  

저는 질문자님의 이해를 돕고자 지식공유자님의 기존 답변을 참고하여 유사한 답변 링크를 추천해드리고 있습니다.
현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏
추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.