고르는 방법
- 이미 Postgres를 쓰고 데이터 양이 많지 않다면: pgvector로 데이터베이스를 하나만 운영할 수 있습니다.
- 필터링이 많거나 하이브리드 검색 또는 대규모가 필요하다면: Qdrant, Weaviate, Milvus 같은 전용 엔진.
- 관리할 서버가 없기를 원한다면: 월 비용이 드는 Pinecone 같은 호스팅 서비스.
확인할 점
선택지를 가르는 질문을 중요한 순서대로 정리했습니다.
01
필터를 건 검색 품질
실제 쿼리는 거의 항상 권한, 테넌트 ID, 날짜, 문서 유형으로 필터링되며, 필터가 적용된 뒤에도 결과가 관련성을 유지해야 합니다. 벡터 검색 뒤에 필터링하는 엔진은 열 개를 요청했는데 세 개를 돌려주거나, 가장 잘 맞는 결과를 조용히 놓칠 수 있습니다. Qdrant는 인덱싱된 페이로드 필드에 그래프 간선을 더해 필터를 건 탐색이 끊기지 않게 하고, pgvector는 반복 스캔(0.8.0 이상)이나 부분 인덱스가 필요합니다. 필터 없는 데모가 아니라 가장 선택적인 실제 필터로 시험하십시오.
02
하이브리드 검색: 벡터와 키워드
벡터는 이름, 식별자, 그리고 제품 코드와 오류 메시지 같은 정확한 용어를 놓치고, 키워드 검색(BM25)은 이를 잡습니다. 하이브리드 검색은 둘 다 돌려 점수를 섞습니다. Weaviate, Qdrant, Milvus, LanceDB, turbopuffer는 엔진 하나에서 이를 하고, Pinecone은 희소-밀집 인덱스나 전문 검색 필터를 제공하며, pgvector에서는 Postgres 전문 검색을 SQL로 직접 결합합니다. 가중치를 조정하거나 상호 순위 융합을 쓸 수 있는지 확인하십시오.
03
재현율 대 지연 시간
근사 검색은 정확도를 속도와 맞바꿉니다. 재현율은 실제 최근접 이웃 가운데 찾아내는 비율이며, 아무 속도에서나가 아니라 필요한 응답 시간에서의 재현율을 원해야 합니다. 계층형 그래프인 HNSW는 재현율이 높지만 인덱스를 RAM에 두려 하고, IVF는 벡터를 클러스터로 묶어 가장 가까운 클러스터를 검색하며, 디스크 기반 인덱스(Milvus의 DiskANN, Weaviate의 HFresh, turbopuffer와 Chroma Cloud의 SPFresh나 SPANN)는 데이터 대부분을 SSD나 객체 저장소에 둡니다. 양자화는 벡터를 4에서 32배 줄이며, 대개 정확도를 되찾는 재채점 단계가 붙습니다. 벤치마크에 대해: 학자 Martin Aumueller, Erik Bernhardsson, Alec Faitfull이 운영하는 ANN-Benchmarks는 작은 공개 데이터셋에서 단일 쿼리의 재현율 대 초당 쿼리 수를 그립니다. 데이터베이스가 아니라 인덱스 알고리즘을 비교하며, 필터링, 쓰기, 운영은 무시합니다. VectorDBBench는 Milvus 뒤의 회사인 Zilliz가 관리하며 p99 지연 시간, 필터 및 스트리밍 사례, 쿼리당 비용을 더합니다. 같은 재현율에서 QPS와 p99를 비교하고, 업체가 자기 제품에 대해 낸 벤치마크는 재현해 봐야 할 주장으로 여기십시오.
04
작업 부하 용량
고르기 전에 일의 크기를 가늠하십시오. 예상 벡터 수, 차원, 동시 쿼리, 데이터 변경 빈도입니다. 벡터 수 곱하기 차원 곱하기 바이트가 인메모리 인덱스에 필요한 원시 메모리입니다. Postgres 호스팅을 파는 Encore는 약 500만 벡터 미만에서 pgvector가 Pinecone과 대등하고 그 이상에서는 세심한 조정이 필요하다고 봅니다. Chroma는 프로토타입부터 수천만 개까지 맞고, LanceDB의 FAQ는 오픈소스 라이브러리가 노드 하나에서 수백만 벡터를 처리한다고 말하며, Milvus와 turbopuffer는 수십억 개를 위해 만들어졌습니다.
05
업데이트와 삭제
삽입, 수정, 삭제가 얼마나 빨리 검색에 반영되는지 확인하십시오. 어떤 인덱스는 새 데이터를 즉시 흡수하고, 어떤 인덱스는 쓰기를 버퍼링하거나 다시 빌드해야 합니다. turbopuffer의 쓰기는 512 KB upsert 기준 p90 248 ms로 객체 저장소에 기록됩니다. 삭제는 규정 준수에 중요합니다. 사용자가 문서를 철회하면 결과에서 곧바로 사라져야 하며, 테넌트별 인덱스는 고객 전체를 삭제하는 일을 간단하게 만듭니다.
06
보안과 격리
접근 제어, 저장 및 전송 중 암호화, 그리고 제대로 버티는 테넌트 격리를 찾으십시오. 권한을 메타데이터 필터로 강제한다면 그 필터가 모든 쿼리에서 믿을 만해야 하며, 이것이 필터를 건 재현율을 시험해야 하는 또 다른 이유입니다. turbopuffer는 무제한 네임스페이스와 엔터프라이즈에서 고객 관리 키를 제공하고, Qdrant는 필드 하나를 테넌트 키로 지정할 수 있으며, Weaviate는 네이티브 멀티테넌시가 있지만 네임스페이스 기능은 이제 유료 라이선스가 필요하고, pgvector에서는 테넌트별로 파티션을 나누거나 행 수준 보안을 씁니다.
07
운영
백업, 복구, 모니터링, 확장이 라이선스보다 더 많이 드는 경우가 많습니다. 이미 Postgres가 있다면 pgvector는 새로 운영할 것이 없습니다. Qdrant는 바이너리 하나로 나오고, 대규모 Milvus에는 Kubernetes와 플랫폼 팀이 필요합니다. Chroma와 LanceDB는 프로세스 안에서 돌아갑니다. Pinecone과 turbopuffer는 관리형 전용이며, 엔터프라이즈 구매자에게는 자체 클라우드 배포를 제공합니다. 라이선스가 탈출구를 정합니다. Apache 2.0(Qdrant, Milvus, Chroma, LanceDB)과 PostgreSQL 라이선스(pgvector)는 자유로운 자체 호스팅을 허용하고, Weaviate는 2026년 9월부터 오픈 코어이며, 독점 서비스는 떠나려면 내보내고 다시 인덱싱해야 한다는 뜻입니다.
08
총비용
인덱스, 메타데이터 저장, 쿼리, 업데이트, 그리고 별도의 데이터베이스가 정말 필요한지까지 세십시오. 관리형 서비스는 서로 다른 단위로 청구합니다. Pinecone은 읽기 단위, 쓰기 단위, 저장 GB로, Weaviate Cloud는 저장된 벡터 차원으로, turbopuffer는 월 최소액을 넘는 사용량으로, Chroma Cloud는 쓰고 저장하고 쿼리한 데이터로 청구합니다. 읽기가 많은 챗봇과 쓰기가 많은 인덱싱 파이프라인은 같은 업체들의 순위를 정반대로 매길 수 있으니, 내 양을 각 계산기와 직접 운영할 인스턴스에 대입해 보십시오.
데이터 유형별 접근 방식
콘텐츠마다 맞는 모델이 다릅니다. 많은 시스템이 여러 모델을 함께 쓰고 데이터 유형에 따라 나눠 보냅니다.
| 데이터 | 접근 방식 | 먼저 써 볼 도구 |
|---|---|---|
| 이미 Postgres를 쓰고, 벡터가 약 1,000만 개 미만 | 운영 중인 데이터베이스에 벡터를 더하십시오. 필터는 SQL이고 새로 운영할 것이 없습니다. | pgvector |
| 사용자별 권한이 있는 멀티테넌트 SaaS | 강력한 필터 검색이나 테넌트마다 네임스페이스 하나를 고르고, 권한 필터의 재현율을 시험하십시오. | Qdrant, turbopuffer, Weaviate |
| 키워드 요구가 큰 경우: 이름, 코드, 식별자 | BM25와 벡터 하이브리드 검색이 내장된 엔진을 고르십시오. | Weaviate, Qdrant, Milvus |
| 수억에서 수십억 개의 벡터 | 그 규모를 위해 만든 분산 엔진이나 객체 저장소 엔진을 쓰십시오. | Milvus, turbopuffer |
| 운영팀이 없고 트래픽을 예측할 수 없음 | 완전 관리형 서비스를 쓰고 요금제 한도로 지출을 제한하십시오. | Pinecone, turbopuffer |
| 기기 내, 노트북, 로컬 에이전트 | 서버 없이 프로세스 안에서 내장 라이브러리를 돌리십시오. | Chroma, LanceDB |
| 데이터 레이크 안의 멀티모달 데이터 | 임베딩을 원본 파일 옆에 두고 그 자리에서 검색하십시오. | LanceDB, Milvus |
내 데이터로 테스트하는 방법
- 대표적인 질문 50에서 100개를 만들고, 각 질문의 정답 구절을 표시하십시오.
- 어려운 사례를 포함하십시오. 약어, 정확한 ID와 코드, 모호한 질문, 권한이 제한된 문서입니다.
- Recall@k를 측정하십시오. 정답 구절이 상위 k개 결과에 얼마나 자주 나타나는가입니다.
- 정답 구절이 그저 있는 것이 아니라 위쪽에 오도록 NDCG@10이나 MRR 같은 순위 품질을 측정하십시오.
- 실제 필터를 켠 채 현실적인 동시 접속에서 p95 지연 시간을 측정하십시오.
- 총비용을 더하십시오. 예상 양에서의 인덱싱, 저장, 쿼리, 업데이트입니다.
- 최종 답변 품질을 확인하고, 데이터베이스만이 아니라 파이프라인 전체(임베딩 모델, 데이터베이스, 리랭커, LLM)를 함께 평가하십시오.
선택지별 차이
혼동하기 쉬운 선택이 두 가지 있습니다. 임베딩 모델은 무엇이 비슷한지를 정하고, 벡터 데이터베이스는 그 임베딩을 얼마나 효율적으로 저장, 필터링, 검색하는지를 정합니다. 따로 평가한 다음 내 데이터로 함께 시험하십시오. 그리고 새 시스템을 더하기 전에 이미 운영 중인 데이터베이스를 확인하십시오. 그 벡터 검색이 검색과 필터링 요구를 충족한다면 다른 것이 필요 없을 수 있습니다.
벡터 데이터베이스는 다섯 계열로 나뉩니다. Postgres 확장(pgvector)은 임베딩을 일반 테이블에 두므로 필터는 SQL이고, 데이터는 같은 트랜잭션과 백업에 머물며, 새로 운영할 것이 없습니다. 수백만 벡터에서는 기본값입니다. 전용 엔진(Qdrant, Weaviate, Milvus)은 검색만을 위해 만든 별도 서버로, 무거운 필터링, 키워드와 벡터의 하이브리드 검색, 양자화, 더 큰 규모를 다루지만 운영할 시스템이 하나 늘어납니다. Qdrant는 운영하기 가장 간단하고, Weaviate는 하이브리드 검색과 내장 임베딩에서 앞서며, Milvus는 수십억 벡터를 여러 머신에 분산하도록 설계되었습니다.
내장 라이브러리(Chroma, LanceDB)는 SQLite처럼 서버 없이 애플리케이션 안에서 돌아갑니다. 프로토타입, 노트북, 로컬 앱, 에이전트에 이상적이지만 동시 사용자가 많으면 약합니다. 완전 관리형 서비스(Pinecone, turbopuffer)는 운영을 아예 없애고 사용량으로 청구합니다. Pinecone은 인덱스를 항상 뜨겁게 유지하고, turbopuffer는 데이터를 객체 저장소에 두어 아주 큰 규모에서 더 싸지만 콜드 쿼리는 더 느립니다. 벡터를 지원하 는 검색 엔진(Elasticsearch, OpenSearch)과 Neo4j 같은 그래프 데이터베이스도 벡터를 저장하며, 이미 키워드 검색이나 관계용으로 운영하고 있다면 합리적이지만 여기서는 다루지 않습니다.
도구 8개 비교
저희 평점 순입니다. 각 리뷰에서 출처, 가격, 전체 평가를 확인할 수 있습니다.
| 도구 | 평점 | 저희 평가 | 추천 대상 | 가격 |
|---|---|---|---|---|
| Qdrant저장소 | 4.7/5 | 필터링 벡터 검색을 제대로 해내는 Qdrant는 프로덕션 RAG에서 넘어서야 할 오픈소스 데이터베이스입니다. 단, 열린 채로 배포되는 서버를 누군가 잠가야 합니다. | 빠른 필터링 벡터 쿼리가 필요한 프로덕션 RAG나 검색을 운영하는 팀. | Apache 2.0 라이선스의 무료 오픈소스입니다. Qdrant Cloud는 무료 1 GB 클러스터 뒤 사용량 기반 청구이며, Premium, Hybrid, Private Cloud는 영업팀이 가격을 정합니다. |
| pgvector저장소 | 4.6/5 | 이미 Postgres를 쓰는 대부분의 팀에게 전용 벡터 데이터베이스는 추가 인프라이며, pgvector가 이를 불필요하게 만듭니다. | 이미 Postgres를 쓰며 수백만 개 벡터 위에 RAG나 의미 검색을 만드는 팀. | PostgreSQL License의 무료 오픈소스입니다. 비용은 이미 운영하는 Postgres 인스턴스, 또는 더 큰 인스턴스뿐입니다. |
| Milvus저장소 | 4.4/5 | 수십억 개의 벡터를 위해 만들어졌고 그 대가는 운영 부담으로 치릅니다. 수억 개 미만이라면 대부분의 팀에게 필요 이상으로 큰 데이터베이스입니다. | 수억에서 수십억 개 규모의 벡터 검색을 운영하는 플랫폼팀. | Apache 2.0의 무료 오픈소스입니다. Zilliz Cloud는 관리형 서비스입니다. 무료 등급(5 GB, 컬렉션 다섯 개), Dedicated는 768차원 벡터 100만 개당 월 $63, $16, $5부터(성능, 용량, 계층형), Enterprise는 월 $197부터, Business Critical은 견적 문의입니다. |
| Pinecone도구 | 4.2/5 | Pinecone은 벡터 검색의 운영 작업을 거의 모두 없애고 읽기마다 그 값을 받으므로, 바쁜 운영 색인보다 소규모 팀에 훨씬 잘 맞습니다. | 데이터베이스 운영 인력 없이 관리형 벡터 검색을 원하고 사용량 기반 요금을 받아들이는 팀. | 무료 Starter(2 GB, 월 읽기 단위 1M, AWS us-east-1만). Builder 월 $20 고정, 엄격한 할당량. Standard 월 최소 $50, 그 뒤 저장 GB당 월 $0.33, 읽기 단위 1M당 $16–$18, 쓰기 단위 1M당 $4–$4.50. Enterprise 월 최소 $500. |
| Weaviate저장소 | 4.2/5 | 하이브리드 키워드와 벡터 검색은 여전히 Weaviate의 가장 좋은 논거이지만, 최신 운영 기능은 이제 라이선스 키 뒤에 있습니다. | 정확한 키워드와 의미 유사도가 모두 중요한 검색이나 RAG를 만드는 팀. | 핵심은 BSD-3-Clause이고 일부 기업 기능에는 유료 라이선스 키가 필요합니다. Weaviate Cloud: Free(객체 100,000개), 월 최소 $45의 Flex 종량제, 선불 계약의 Premium 월 $400부터. |
| turbopuffer도구 | 4.2/5 | 제품에 대부분 놀고 있는 별도 색인이 수백만 개 있다면 turbopuffer가 이겨야 할 벡터 데이터베이스입니다. 차가운 색인의 첫 검색이 약 1초 걸리는 것을 감수할 수 있다면 말입니다. | 운영할 서버 없이 별도 색인이 많거나 벡터가 수십억 개인 다중 테넌트 AI 제품을 만드는 팀. | Launch 월 최소 사용량 $16, Scale 월 최소 $256(SSO, HIPAA BAA), Enterprise 월 $4,096부터 사용량 35% 할증(BYOC, 단일 테넌트, 99.95% SLA). 저장 GB당 최대 $0.33, 쓰기 GB당 최대 $2, 질의 검색량 PB당 최대 $1. 무료 등급 없음. |
| Chroma저장소 | 4.1/5 | 읽기 중심 RAG에서 내장하기 빠르고 호스팅이 저렴하지만, 2026년 5월 이후 태그된 릴리스가 없습니다. | RAG 프로토타입을 만들거나 중소 규모 벡터 검색을 운영하는 개발자. | Apache 2.0 무료 오픈소스입니다. Chroma Cloud: Starter는 $0에 사용량 과금과 $5 크레딧, Team은 월 $250에 사용량 과금, Enterprise는 별도 견적입니다. 기록은 GiB당 $2.50, 저장은 GiB-월당 $0.33입니다. |
| LanceDB저장소 | 4.0/5 | 임베딩이 이미지, 동영상, 학습 데이터 옆에 있다면 LanceDB는 별도 데이터베이스를 완전히 없애 줍니다. 다만 사용자가 많은 바쁜 검색은 무료 라이브러리가 겨냥한 용도가 아닙니다. | 서버를 운영하지 않고 벡터 검색을 원하는, 멀티모달 또는 학습 데이터를 다루는 팀. | Apache 2.0 라이선스의 무료 오픈소스입니다. LanceDB Enterprise는 연간 약정으로 판매되며, AWS Marketplace에는 12개월 약정 $60,000이 올라 있고 비공개 오퍼는 견적으로 제공됩니다. |
사양 비교
이 단계에서 중요한 사양입니다. 2026년 10월 23일에 확인했습니다. 도입 전에 공급업체 사이트에서 확인하세요.
| 도구 | 유형 | 라이선스 | 인덱스 유형 | 하이브리드 검색 | 호스팅 옵션 | 적정 규모 |
|---|---|---|---|---|---|---|
| Qdrant | 전용 엔진(Rust) | Apache 2.0 | HNSW, 희소 역색인, TurboQuant/BQ/PQ | 예, 쿼리 하나에 희소 + 밀집 | 자체 호스팅, Qdrant Cloud, Edge | 수백만에서 수억 개 |
| pgvector | Postgres 확장 | PostgreSQL 라이선스 | HNSW, IVFFlat, half, binary, sparse | SQL의 Postgres 전문 검색으로 | 모든 Postgres, 대부분의 관리형 서비스 | 수백만 벡터(Encore 기준 약 5M) |
| Milvus | 분산 엔진(Go/C++) | Apache 2.0 | HNSW, IVF, DiskANN, SCANN, flat | 예, BM25 + 희소 + 밀집 | 자체 호스팅(Kubernetes), Zilliz Cloud | 수억에서 수십억 개 |
| Pinecone | 완전 관리형 서비스 | 독점 | 공개되지 않음 | 희소-밀집 또는 전문 검색 필터 | 서버리스, Enterprise에서 BYOC | 규모 무관, 읽기에 따라 비용 증가 |
| Weaviate | 전용 엔진(Go) | BSD-3 코어 + 상용 기능 | HNSW, flat, dynamic, HFresh | 예, BM25 + 벡터, 조정 가능 | 자체 호스팅, Weaviate Cloud | 공개되지 않음 |
| turbopuffer | 관리형, 객체 저장소 기반 | 독점 | SPFresh + RaBitQ 이진 양자화 | 예, BM25 + 벡터 | 멀티테넌트, 싱글테넌트, BYOC | 수십억 벡터, 많은 테넌트 |
| Chroma | 내장 라이브러리 또는 서버 | Apache 2.0 | HNSW(단일 노드), SPANN(Cloud) | 벡터와 함께 전문 검색 | 프로세스 내, 서버, Chroma Cloud | 프로토타입부터 수천만 개 |
| LanceDB | 내장 라이브러리(Lance 파일) | Apache 2.0 | IVF (PQ/SQ/RQ), IVF_HNSW | BM25 전문 검색 + 벡터 | 디스크나 S3에서 프로세스 내 실행, Enterprise | 로컬 앱, 노드당 수백만 벡터 |
에이전트에 연결하기
Claude, ChatGPT, Cursor 같은 어시스턴트가 이 도구를 직접 쓸 수 있게 해 주는 MCP 서버입니다.
이 단계가 쓰이는 곳
- 문서와 대화하기: Qdrant부터 시작하겠습니다.
- 고객 지원 에이전트: pgvector부터 시작하겠습니다.
- 코딩 에이전트: LanceDB부터 시작하겠습니다.
- 리서치 및 지식 그래프: Weaviate부터 시작하겠습니다.
- 장기 메모리를 갖춘 어시스턴트: Qdrant부터 시작하겠습니다.
- 이미지 생성 파이프라인: Qdrant부터 시작하겠습니다.
- 동영상 제작: LanceDB부터 시작하겠습니다.
- 음성 에이전트: pgvector부터 시작하겠습니다.
- 비공개 온디바이스 AI: LanceDB, Chroma부터 시작하겠습니다.
이 가이드의 출처
- ANN-Benchmarks
- VectorDBBench (Zilliz) on GitHub
- VectorDBBench leaderboard
- Qdrant docs: indexing
- Qdrant docs: quantization
- Weaviate docs: vector indexes
- Milvus docs: index types
- Milvus docs: DiskANN
- Chroma docs: collection configuration
- Chroma docs: architecture
- LanceDB docs: indexing
- Pinecone docs: hybrid search
- pgvector README
- turbopuffer: ANN v3
- LanceDB OSS FAQ
- pgvector vs Pinecone (Encore)