[제136회 정보관리기술사 1교시 4번] 벡터 데이터베이스(Vector Database) — AI 시대의 의미 검색 엔진

출제 의도 분석

LLM·RAG 아키텍처 확산으로 임베딩 저장·검색 수요가 폭발하면서 벡터 DB가 필수 인프라로 자리잡았습니다. 기존 RDBMS와의 차이, ANN 인덱스 종류, 주요 솔루션을 체계적으로 서술하면 됩니다.

1. 개념

벡터 데이터베이스(Vector Database)란 텍스트·이미지·오디오 등을 임베딩 모델로 변환한 고차원 실수 벡터를 저장하고, 코사인 유사도·유클리드 거리 기반 근사 최근접 이웃(ANN) 검색을 고속으로 지원하는 특수 목적 데이터베이스입니다.

2. 기존 DB vs 벡터 DB

3. 주요 ANN 인덱스 알고리즘

• HNSW (Hierarchical Navigable Small World): 계층적 그래프 구조로 탐색. 검색 정확도(Recall)·속도 균형 우수. Pinecone·Weaviate 기본 채택
• IVF (Inverted File Index): 벡터 공간을 클러스터로 분할 후 가장 가까운 클러스터만 검색. 대규모 데이터에서 메모리 효율적
• PQ (Product Quantization): 벡터를 서브벡터로 압축. 메모리 사용량을 1/4~1/32로 줄이는 압축 기법

4. 주요 솔루션 비교