qdrant/qdrant

해결하는 문제

Qdrant은 생산 환경에서 사용 가능한 벡터 유사성 검색 엔진이자 데이터베이스로, 고차원 벡터(임베딩)와 관련된 메타데이터(페이로드)를 저장하고 검색, 관리하는 데 목적을 두고 있습니다. 단순한 키워드 매칭을 넘어서 의미 기반 검색을 가능하게 하여, 의미 검색, 추천 시스템, 이미지 탐색 애플리케이션을 구축할 수 있도록 합니다.

작동 방식

고성능과 신뢰성을 위해 Rust로 작성된 Qdrant은 벡터와 JSON 형식의 페이로드로 구성된 '포인트'를 저장합니다. 밀도형(의미 표현용), 스파스형(전체 텍스트 검색용), 멀티벡터(예: ColBERT와 같은 복잡한 모델용) 등 다양한 벡터 유형을 지원합니다. 검색 성능 최적화를 위해 SIMD 하드웨어 가속과 GPU 지원을 활용하며, 양자화 기술을 통해 RAM 사용량을 최대 97%까지 줄일 수 있습니다.

대상 사용자

신경망 또는 의미 기반 매칭 애플리케이션을 개발하는 AI 엔지니어 및 개발자들을 위한 것입니다. 예를 들어, 전자상거래 제품 분류, 시각 검색 엔진, 장기 기억 또는 효율적인 데이터 검색이 필요한 AI 에이전트 등에 적합합니다.

주요 기능

• 하이브리드 검색: Reciprocal Rank Fusion (RRF) 등의 융합 전략을 사용해 의미 검색과 키워드 검색의 정밀도를 결합합니다.
• 페이로드 기반 필터링: 키워드 매칭, 지리 위치 등의 조건을 사용해 JSON 메타데이터로 검색 결과를 복잡하게 필터링할 수 있습니다.
• 분산 배포: 샤딩과 복제를 통해 수평 확장이 가능하며, 다운타임 없이 업데이트가 가능합니다.
• Qdrant Edge: 애플리케이션 프로세스 내에서 가볍게 실행되는 버전으로, 엣지 디바이스에서 저지연, 오프라인 기능을 제공합니다.
• 개발자 도구: 데이터 탐색용 웹 UI와 Go, Rust, JS/TS, Python, .NET, Java용 공식 클라이언트 라이브러리를 제공합니다.