벡터 DB (vector database)

검색·RAG

벡터 DB (vector database)

embedding 된 chunk 를 저장하고 빠른 유사 검색을 제공하는 전용 데이터베이스. RAG 의 표준 인프라.

1줄 정의

embedding 된 chunk 를 저장하고 빠른 유사 검색을 제공하는 전용 데이터베이스. RAG 의 표준 인프라.

전체 시스템에서 맡는 역할

chunk 를 embedding 으로 벡터화한 다음 어디에 두고 어떻게 꺼낼 것인가 를 담당하는 게 vector DB.

일반 RDB (MySQL, PostgreSQL) 는 완전 일치 검색은 잘하지만 “벡터끼리의 가까움” 고속 검색은 약하다. vector DB 는 ANN (Approximate Nearest Neighbor) 알고리즘을 넣어, 수백만~수억 벡터에서 “가까운 상위 k 개” 를 밀리초 단위로 돌려준다.

대표 선택지: Pinecone, Weaviate, Qdrant, Chroma, pgvector (PostgreSQL 확장). 용도·스케일·셀프호스트 가능 여부로 고른다.

흔한 오해

  • 오해 1: RAG 를 하려면 반드시 vector DB 가 필요하다, 라고 여겨지기 쉽다.

– 실제로 소규모면 PostgreSQL + pgvector 로 충분. 그리고 agentic retrieval 처럼 grep/ripgrep 기반으로 끝내는 설계도 있다.

다음에 읽을 용어 3개

  • chunk — vector DB 에 저장되는 단위.
  • embedding — vector DB 에 저장되는 형식.
  • RAG — vector DB 를 쓰는 상위 틀.
最終更新: 2026-04-18 · shuntailor.net テイラー百科事典

ベクトル DB (vector database)

検索・RAG

ベクトル DB (vector database)

embedding 化された chunk を保存し、高速な類似検索を提供する専用データベース。RAG の標準インフラ。

一行定義

embedding 化された chunk を保存し、高速な類似検索を提供する専用データベース。RAG の標準インフラ。

全体システムの中での役割

chunk を embedding でベクトル化したあと、どこに置いて、どう引くか を担当するのが vector DB。

普通の RDB（MySQL, PostgreSQL）は完全一致検索が得意だが、「ベクトル同士の近さ」の高速検索は不得意。vector DB は ANN（Approximate Nearest Neighbor）アルゴリズムを実装して、数百万〜数億のベクトルから「近いもの上位 k 件」を数ミリ秒で返せる。

代表的な選択肢：Pinecone、Weaviate、Qdrant、Chroma、pgvector (PostgreSQL 拡張)。用途やスケール、セルフホスト可否で選ぶ。

よくある誤解

  • 誤解 1：RAG をやるなら必ず vector DB が必要、と思われがち。

– 実際には、小規模なら PostgreSQL + pgvector で十分。また agentic retrieval のように grep/ripgrep ベースで済む設計もある。

次に読むべき用語 3 つ

  • chunk — vector DB に保存される単位。
  • embedding — vector DB に保存される形式。
  • RAG — vector DB を使う上位枠組み。
最終更新: 2026-04-18 · shuntailor.net テイラー百科事典
JAKO