벡터 데이터베이스
vector database
뜻과 개념
자료의 벡터 표현을 저장하고 유사한 항목을 찾는 데 쓰는 데이터 시스템입니다.
어떻게 작동하나요?
벡터 데이터베이스는 임베딩으로 표현한 숫자 배열을 저장하고 가까운 벡터를 찾는 검색을 지원하는 데이터 저장 시스템입니다. 문서나 이미지의 표현을 벡터로 만들고 질문도 같은 공간의 벡터로 바꿔 비교할 수 있습니다. 전용 제품뿐 아니라 기존 데이터베이스에 벡터 기능을 추가한 형태도 있습니다.
왜 알아야 하나요?
표현이 다르지만 의미가 비슷한 자료를 찾는 검색과 RAG에 활용할 수 있습니다. 다만 데이터베이스 자체가 문서의 의미를 완벽히 이해하거나 답변을 생성하는 것은 아닙니다. 임베딩 모델, 문서 분할, 검색 조건이 함께 품질을 결정합니다.
실무에서 적용하는 방법
문서의 원본 ID와 버전, 권한, 카테고리를 벡터와 함께 관리합니다. 질문과 문서에 호환되는 임베딩 모델을 사용하고 모델을 바꿀 때는 기존 벡터를 어떻게 갱신할지 계획하세요. 삭제된 문서의 벡터가 남지 않도록 동기화도 필요합니다.
정확 검색과 근사 검색의 속도·재현율을 비교하고 실제 질문으로 평가합니다. 권한과 날짜 같은 필터가 적용된 뒤 필요한 자료가 남는지 확인하세요. 유사도만으로 품번이나 계약 번호 같은 정확 일치 요구를 처리하기 어려우면 키워드 검색을 조합할 수 있습니다.
실무에서는 이렇게 봅니다
고객 지원 문서에서 ‘로그인이 풀린다’는 질문과 ‘세션 만료’ 설명을 연결하는 데 의미 기반 검색이 도움을 줄 수 있습니다. 그러나 사용자의 요금제에 맞지 않는 문서를 가져오면 잘못된 안내가 됩니다. 문서 권한과 적용 버전을 메타데이터로 제한하는 설계가 함께 필요합니다.
주의할 점
가까운 벡터는 의미적 유사성의 추정이지 사실성이나 정답 확률이 아닙니다. 높은 점수의 오래된 문서가 선택될 수 있습니다. 벡터 저장소를 도입했다는 사실만으로 기존 검색과 데이터 관리가 불필요해지는 것도 아닙니다.
자주 묻는 질문
관계형 DB는 사용할 수 없나요?
일부 관계형 데이터베이스는 확장이나 자체 기능으로 벡터 검색을 지원합니다. 기존 운영 역량과 데이터 관계, 규모를 함께 고려해 선택할 수 있습니다.
문서를 바꾸면 벡터도 자동으로 바뀌나요?
구현에 따라 다릅니다. 일반적으로 변경을 감지해 다시 임베딩하고 저장하는 흐름을 준비해야 하며 삭제와 권한 변경도 반영해야 합니다.