RAG Lab초급HNSW
Vector Store
벡터 스토어에 데이터를 저장하고 유사도 검색을 탐색하세요.
RAG Lab 시리즈
3 / 4
벡터 인덱싱
고차원 임베딩 벡터를 효율적으로 저장하고 인덱싱하는 방법을 학습합니다.
HNSW 알고리즘
계층적 탐색 가능 소세계(HNSW) 그래프의 구조와 멀티레이어 검색 과정을 시각화합니다.
검색 전략 비교
정확 검색과 근사 검색을 비교하고 Recall·Precision·MRR 지표로 성능을 분석합니다.
벡터 DB 비교
Pinecone·Chroma·Qdrant·Weaviate·Milvus 5종의 특징을 나란히 비교합니다.
Vector Store Simulator 로딩 중...
벡터 저장소(Vector Store)란?
벡터 저장소는 고차원 임베딩 벡터를 위한 특수화된 저장소로, 인덱싱 알고리즘을 통해 빠른 유사도 검색을 지원합니다. RAG 파이프라인에서 문서 청크를 벡터로 변환한 뒤 검색 가능한 형태로 보관하는 핵심 인프라입니다.
- • HNSW: 다층 그래프 구조로 로그 시간 복잡도의 근사 최근접 이웃 검색을 지원
- • IVF: 벡터를 클러스터로 파티셔닝해 대규모 데이터셋에서 검색 범위를 좁힘
- • PQ(Product Quantization): 벡터를 압축해 메모리 사용량을 크게 줄이되 정확도를 소폭 희생