Skip to main content
벡터 데이터베이스입니다. 텍스트, 이미지 등을 숫자 배열(벡터)로 변환한 임베딩(Embedding)을 저장하고, 의미적으로 유사한 데이터를 검색합니다.

어디에 쓰이나요?

  • RAG (Retrieval-Augmented Generation): 문서를 임베딩으로 변환하여 저장하고, 사용자 질문과 유사한 문서를 검색하여 LLM에 전달
  • 시맨틱 검색: 키워드 일치가 아닌, 의미가 비슷한 문서를 검색 (예: “강아지”로 검색하면 “반려견”, “puppy” 관련 문서도 검색)
  • 추천 시스템: 사용자가 본 상품과 유사한 상품 추천
  • 이미지 검색: 이미지를 벡터로 변환하여 비슷한 이미지 검색
일반적인 데이터베이스는 정확한 값의 일치 여부를 비교하지만, 벡터 데이터베이스는 벡터 간의 거리(유사도)를 계산하여 가장 가까운 결과를 반환합니다.

Docker Compose

docker-compose.yml

실행

접속 확인

REST API로 상태를 확인합니다.
정상이면 다음과 같이 응답합니다.
웹 대시보드는 http://localhost:6333/dashboard에서 접근할 수 있습니다.

기본 정보

API 키 설정

운영 환경에서는 API 키를 설정하여 접근을 제한합니다.
docker-compose.yml
API 키가 설정된 경우 요청에 헤더를 포함해야 합니다.

환경 변수

라이선스

참고

설치 점검 목록

  • docker compose up -ddocker compose ps로 컨테이너 상태를 확인했습니다.
  • 기본 포트/계정/비밀번호를 문서대로 점검했습니다.
  • 운영용으로 사용할 때 기본 비밀번호/시크릿 값을 변경했습니다.
  • 장애 분석을 위해 docker compose logs -f 확인 방법을 숙지했습니다.

문제 해결 가이드

  • 컨테이너가 실행되지 않으면 docker compose logs -f로 오류 원인을 먼저 확인합니다.
  • 포트 충돌이 나면 기존 프로세스를 종료하거나 포트 매핑 값을 변경합니다.
  • 이미지 pull 실패 시 네트워크 연결 및 레지스트리 접근 권한을 확인합니다.
  • 설정 변경 후 문제가 지속되면 docker compose down 후 다시 up -d로 재기동합니다.

관련 문서

Setup 홈

운영체제별 설치 흐름을 다시 확인합니다.

다음: Neo4j

다음 설치 단계를 이어서 진행합니다.