# \[GN\] Vector Database가 무엇인가요?

**URL:** https://discuss.pytorch.kr/t/gn-vector-database/1516
**Category:** 읽을거리&정보공유
**Tags:** vector-db, geeknews
**Created:** [5월 10, 2023, 4:55오전 UTC](https://discuss.pytorch.kr/t/gn-vector-database/1516 "2023-05-10T04:55:27Z")
**Posts on this page:** 1
**Page:** 1

<div class="post-metadata">

### Author: ![9bow](https://discuss.pytorch.kr/user_avatar/discuss.pytorch.kr/9bow/32/16301_2.png) [@9bow](https://discuss.pytorch.kr/u/9bow)
#### Post date: [5월 10, 2023, 4:55오전 UTC](https://discuss.pytorch.kr/t/gn-vector-database/1516/1 "2023-05-10T04:55:28Z")

</div>

_[GeekNews](https://news.hada.io/)의 [xguru](https://news.hada.io/user?id=xguru)님께 허락을 받고 GN에 올라온 글들 중에 AI 관련된 소식들을 공유하고 있습니다. 😺_

* * *

### 소개

[![image](https://discuss.pytorch.kr/uploads/default/original/2X/2/246b0aa6ca5198933d0ee8445dee3aa17751beeb.jpeg)](https://www.pinecone.io/learn/vector-database/)

- AI 어플리케이션들은 Vector Embeddings에 의존
  - 임베딩은 AI 모델에 의해 생성되며, 많은 수의 속성/피쳐가 있어서 관리하기가 어려움
  - AI 및 ML에서 이 피쳐들은 패턴, 관계 및 기본 구조를 이해하는데 필수적인 데이터의 다양한 디멘젼들을 표현

- Pinecone 같은 벡터DB는 이런 임베딩 데이터를 최적화 하여 보관하고 쿼리하기 위해 특화된 DB
- 벡터DB를 통해서 AI에 시맨틱 정보 검색, 장기 메모리 등의 고급 기능들을 구현 가능
  - 임베딩 모델을 통해서 인덱싱할 콘텐츠의 벡터 임베딩을 생성
  - 벡터 임베딩들을 벡터DB에 삽입. 임베딩이 어디에서 생성되었는지 오리지널 콘텐츠에 대한 레퍼런스를 포함
  - 어플리케이션이 쿼리를 하면, 같은 임베딩 모델을 이용하여 쿼리에 대한 임베딩을 생성하고, 이 임베딩으로 DB를 검색해서 비슷한 벡터 임베딩을 찾음
  - 이 임베딩들은 오리지널 콘텐츠에 연결되어 있음

## Vector Index 와 Vector DB의 차이점

- FAISS(Facebook AI Similarity Search) 같은 벡터 인덱스도 벡터 임베딩 검색을 개선하지만, DB의 기능을 가지고 있지는 않음
- Vector DB는 여러가지 장점을 가짐
  - 데이터 관리 기능: 데이터의 삽입, 삭제, 갱신이 쉬움
  - 메타데이터 저장 및 필터링: 각 벡터에 대한 메타데이터 저장이 가능
  - 확장성: 분산 및 병렬처리 기능을 제공
  - 실시간 업데이트 지원
  - 백업 및 컬렉션 기능(일부 인덱스만 골라서 백업)
  - 에코시스템 연동: ETL(Spark), 분석도구(Tableau, Segment), 시각화(Grafana) 등과 연동. AI 도구와의 연동(LangChain, LlamaIndex, ChatGPT Plugins)
  - 데이터 보안 및 접근 권한 관리

## Vector DB는 어떻게 동작하는가 ? (소제목만 옮깁니다)

- 알고리듬 : ANN, Random Projection, Product Quantization, Locality-sensitive hashing, Hierarchical Navigable Small World (HSNW)
- 유사성 측정
- 필터링
- 데이터베이스 오퍼레이션

## 요약

- NLP, 컴퓨터 비전 및 다른 AI 어플리케이션에서 벡터 임베딩이 폭발적으로 성장하면서 벡터 데이터베이스가 등장
- 프로덕션 시나리오에서 벡터 임베딩을 관리할 때 발생하는 문제점을 해결하기 위해 특수하게 만들어진게 벡터 데이터베이스
- 기존의 스칼라 기반 데이터 베이스 및 스탠드얼론 벡터 인덱스에 비해 상당한 이점을 제공

### 원문

> **[What is a Vector Database & How Does it Work? Use Cases + Examples | Pinecone](https://www.pinecone.io/learn/vector-database/)**
>
> Discover Vector Databases: How They Work, Examples, Use Cases, Pros & Cons, Selection and Implementation. They have combined capabilities of traditional databases and standalone vector indexes while specializing for vector embeddings.

### 출처 / [GeekNews](https://news.hada.io/topic?id=9147)

> **[Vector Database란? | GeekNews](https://news.hada.io/topic?id=9147)**
>
> AI 어플리케이션들은 Vector Embeddings에 의존임베딩은 AI 모델에 의해 생성되며, 많은 수의 속성/피쳐가 있어서 관리하기가 어려움AI 및 ML에서 이 피쳐들은 패턴, 관계 및 기본 구조를 이해하는데 필수적인 데이터의 다양한 디멘젼들을 표현Pinecone 같은 벡터DB는 이런 임베딩 데이터를 최적화 하여 보관하고 쿼리하기 위해 특화된 DB벡터D