qdrant/vector-db-benchmark

해결하는 문제

다양한 벡터 검색 엔진의 성능을 표준화된 프레임워크로 측정하고 비교할 수 있도록 합니다. 각 엔진은 서로 다른 기능과 효율성을 제공하므로, 이 도구를 통해 동일한 하드웨어 환경에서 평가함으로써 특정 요구사항에 가장 적합한 엔진을 선택할 수 있습니다.

작동 방식

프로젝트는 서버-클라이언트 아키텍처로 작동하며, 서버(벡터 데이터베이스)는 Docker 컨테이너에서 실행되고, Python 기반 클라이언트가 테스트를 수행합니다. 프로세스는 다음과 같습니다:

1. 서버 설정: Docker Compose를 통해 엔진을 시작합니다.
2. 클라이언트 실행: 지정된 엔진과 데이터셋에 대한 벤치마크를 실행하는 Python 스크립트를 사용합니다.
3. 구성: 연결, 컬렉션 생성, 데이터 업로드, 검색 파라미터를 정의하는 전용 구성 파일을 사용합니다.
4. 확장성: 구성, 데이터 업로드, 검색을 위한 기본 클래스를 구현함으로써 새로운 엔진을 쉽게 추가할 수 있습니다.

대상 사용자

본격적인 환경에 벡터 데이터베이스를 도입하기 전에 성능, 처리량, 효율성을 객관적으로 비교하고자 하는 개발자 및 엔지니어.

주요 특징

• 표준화된 테스트: 동일한 하드웨어 조건에서 다양한 엔진을 벤치마크합니다.
• Docker 기반 배포: Docker Compose를 사용해 서버 설정을 간소화합니다.
• 유연한 구성: 컬렉션 생성, 인덱싱, 검색에 맞춤형 파라미터를 지원합니다.
• 확장 가능한 아키텍처: 새로운 벡터 검색 엔진을 쉽게 구현하고 등록할 수 있는 기본 클래스를 제공합니다.