vespa-engine/vespa

Vespa – 대규모 검색 및 AI 서빙 플랫폼

무엇인가요 – Vespa는 대규모로 검색, 추천, 개인화 및 기타 AI 기반 쿼리를 제공하는 오픈소스 고성능 플랫폼입니다. 텍스트, 구조화된 필드, 벡터 및 텐서를 저장하고 쿼리할 수 있으며, 대규모이고 지속적으로 변화하는 데이터 세트에서도 100ms 미만의 지연 시간을 유지하면서 데이터 위에서 기계학습 모델을 실행할 수 있습니다.

주요 기능

하이브리드 데이터 처리 – 동일한 서비스 내에서 일반 텍스트, JSON 유사 구조화된 데이터, 고차원 벡터/텐서를 인덱싱하고 검색할 수 있습니다.
실시간 추론 – 쿼리 시간에 실행되는 Java(또는 기타) 모델 컴포넌트를 배포하여 랭킹, 분류, 또는 임베딩 기반 유사성 검색을 별도의 모델 서빙 계층 없이 가능하게 합니다.
분산형, 장애 내성 아키텍처 – 데이터는 노드 간에 샤딩되며, 쿼리는 병렬화되고 결과는 집계되어 어떤 규모에서도 고가용성과 낮은 지연 시간을 제공합니다.
내장된 랭킹 및 집계 – 선언형 쿼리 언어를 통해 관련성 점수, 사용자 정의 랭킹 함수, 집계(예: 피처, 히스토그램)를 단일 요청 내에서 결합할 수 있습니다.
클라우드 네이티브 및 온프레미스 – 관리형 클라우드 서비스(무료 체험 가능)로 실행하거나, 제공된 Docker 이미지와 설치 가이드를 사용해 자체 호스팅할 수 있습니다.
확장 가능한 Java 컴포넌트 – Java로 사용자 정의 랭킹 또는 처리 로직을 작성하고 쿼리 파이프라인에 통합할 수 있습니다.

주요 사용 사례

대규모 웹 검색 또는 사이트 내 검색
쿼리당 수백만 개의 항목을 스코어링해야 하는 추천 엔진
사용자 신호와 ML 모델을 결합하는 개인화 파이프라인
임베딩(예: 의미 검색, 이미지 검색)을 위한 벡터 유사성 검색
결과를 수십 밀리초 내에 반환해야 하는 실시간 분석

시작하기

호스팅된 서비스 사용하기 – vespa.ai/free-trial에서 가입하고 문서에서 샘플 애플리케이션을 배포합니다.
로컬에서 실행하기 – 문서의 Getting started 가이드를 따라 Docker 또는 네이티브 설치로 단일 노드 Vespa 인스턴스를 시작합니다.
자신의 로직 추가하기 – 개발자 가이드를 사용해 Java 컴포넌트를 만들고, Vespa 애플리케이션으로 패키징한 후 Vespa API를 통해 업로드합니다.
확장하기 – 중복성 또는 더 높은 처리량이 필요할 경우 multinode systems 가이드에 따라 노드를 추가합니다.

빌드 및 기여하기

리포지토리는 Vespa의 전체 소스 코드(C++ 커널 + Java 모듈)를 포함합니다. 사용자에게는 빌드가 선택 사항이며, 사전 빌드된 바이너리는 Maven과 Docker를 통해 배포됩니다.
기여자에게는 AlmaLinux 8, Maven 3.8+, Java 17 기반의 Docker 기반 개발 환경에 대한 README 링크가 제공됩니다. 자세한 빌드 단계(bootstrap.sh java, mvn install)와 테스트 지침(BATS를 통한 쉘 스크립트 테스트)이 제공됩니다.
기여 가이드라인, 코드 맵, TODO 목록은 큰 코드베이스를 탐색하는 초보자에게 도움을 줍니다.

문서 및 커뮤니티

홈페이지: https://vespa.ai
전체 문서: https://docs.vespa.ai
샘플 앱: https://github.com/vespa-engine/sample-apps
블로그, Slack, 이슈 트래커는 README에서 링크되어 있어 지원 및 업데이트를 확인할 수 있습니다.

라이선스 – Apache 2.0 (파일 LICENSE 참조).

위 정보는 리포지토리의 README에서 직접 가져온 것이며, 추가 기능은 추측되지 않았습니다.

vespa-engine/vespa

Vespa – 대규모 검색 및 AI 서빙 플랫폼

관련