Skip to content

Latest commit

 

History

History
38 lines (32 loc) · 2.27 KB

1112_VectorDB.md

File metadata and controls

38 lines (32 loc) · 2.27 KB

✅ VectorDB 비교

  1. Chroma
  2. OpenSearch
  3. Weaviate
  4. FAISS

vector 📋 (Image Source)

VectorDB (Vector Database) 란?

"벡터 데이터베이스는 벡터를 고차원 포인트로 저장하고 검색하는 기능을 제공합니다. N차원 공간에서 가장 가까운 이웃을 효율적이고 빠르게 조회할 수 있는 추가적인 기능을 추가합니다. 일반적으로 k-NN(k-Nearest Neighbor) 인덱스로 구동되며 계층적 탐색 가능한 소규모 세계(HNSW) 및 반전된 파일 인덱스(IVF) 알고리즘과 같은 알고리즘으로 구축됩니다. 벡터 데이터베이스는 데이터 관리, 내결함성, 인증 및 액세스 제어, 쿼리 엔진과 같은 추가 기능을 제공합니다." - AWS

vector2 📋 (Image Source)

1. Chroma (공식) (GitHub)

  • 장점
    • 오픈소스
    • 설치가 쉬움 (local 에 구성)
  • 단점

2. OpenSearch (공식) (GitHub)

  • 장점
    • 오픈소스 (Elasticsearch 코드 베이스를 Fork 한 오픈소스 검색 엔진)
  • 단점
    • Quickstart 참고하여 docker-compose.yml 다운로드 받고 up 시켜보면, 컨테이너가 3개나 구동됨

3. Weaviate (공식) (GitHub)

  • 장점
    • 오픈소스
    • Docker 컨테이너 1개만 구동해도 활용 가능
  • 단점

4. FAISS (공식) (GitHub)

  • 장점
    • 오픈소스
    • 속도가 매우 빠름 (인터페이스는 Python 이나 C++ 로 제작, GPU 차원에서도 효율적으로 동작하도록 개발됨)
  • 단점
    • 활용도가 제한적 (엄밀히 따지면 VDB 내의 Vector Index 관련 기능만 지원)