벡터 데이터베이스 — pgvector 와 Qdrant
데이터베이스 운영 · 중급 · 이론 4 · 퀴즈 3 · 실습 3
임베딩을 만드는 법은 선수 과목(TF-IDF 임베딩과 코사인 검색)에서 배웠습니다. 이 코스는 그 뒤의 데이터베이스 쪽입니다 — pgvector 로 벡터를 저장해 세 거리 연산자와 정확 검색을 익히고, HNSW·IVFFlat 인덱스의 손잡이를 돌리며 재현율을 재고, 필터가 결과를 줄이는 함정을 부분 인덱스와 하이브리드로 고칩니다. 마지막에 전용 엔진 Qdrant 를 켜서 같은 질의를 나란히 놓고 비교합니다. 채점은 적어 낸 id·거리·재현율을 살아 있는 엔진에서 다시 뽑아 맞춥니다.
커리큘럼
벡터 검색의 원리
거리가 곧 뜻이다 — 저장, 세 연산자, 정확 검색과 필터
ANN 인덱스와 재현율
HNSW·IVFFlat 의 손잡이, 필터 함정, RRF 하이브리드
전용 벡터 DB
Qdrant — 컬렉션·payload·필터·scroll·스냅샷, 그리고 pgvector 와의 비교