RDBMS vs 벡터 데이터베이스, 무엇이 다를까?

RDBMS vs 벡터 데이터베이스, 무엇이 다를까?

전통적인 관계형 데이터베이스(RDBMS)와 최근 생성형 AI에서 주목받고 있는 벡터 데이터베이스(Vector DB) 차이를 알아봅니다. RAG(Retrieval-Augmented Generation)나 추천 시스템 등에서 벡터 DB가 어떤 방식으로 활용되는지, 그리고 RDBMS와 어떻게 함께 쓰일 수 있는지 실무적인 관점에서 알려주는 동영상입니다.

04:45 RDBMS란? 정형 데이터 기반, 테이블 구조, SQL 쿼리, 트랜잭션 보장 (ACID)
06:12 RDBMS의 한계: 자연어 질문, 이미지/문서 등 비정형 데이터 검색의 어려움
11:19 벡터 DB의 등장 배경: 의미 기반 검색 필요, 임베딩을 통한 벡터화 도입
13:02 벡터 DB의 구조: 고차원 벡터 + 메타데이터를 함께 저장 (문맥 유지 목적)
15:30 벡터 인덱싱: IVF, HNSW, PQ 등 빠른 검색을 위한 인덱싱 기법
16:58 벡터 DB 쿼리 방식: 필터와 함께 유사도 검색, JSON 기반 인터페이스 예
19:54 FAISS 소개: Meta 개발, GPU 지원, 대규모 벡터 검색에 특화된 라이브러리
21:57 FAISS 단점: 필터링/동시성 부족, DB 아님, 서비스화 어려움
23:30 Chroma 소개: 오픈소스 벡터 DB, LangChain과 통합, 메타 필터링 지원
30:59 하이브리드 접근

 

https://www.youtube.com/watch?v=-zLGgaEsBb0