이 게시물은 Amazon Aurora PostgreSQL에서 Amazon Bedrock으로 벡터 임베딩 생성 자동화 방법을 정리한 글입니다.

개요

• 벡터 임베딩의 중요성과 Amazon Bedrock(amazon.titan-embed-text-v2) 기반 임베딩 생성 소개
• 데이터 변경 감지 → Bedrock 호출 → 임베딩 수신 및 저장의 일반 워크플로 정리

구현 접근 방식

• aws_ml 확장 + DB 트리거: DB 내부 동기 호출, 즉시 일관성 확보, 트랜잭션 지연 위험
• aws_lambda 확장 + 트리거(동기): 로직 분리로 유연성 확보, 여전히 트랜잭션 차단 가능
• aws_lambda 확장 + 트리거(비동기): 논블로킹 처리로 DB 성능 우선, 최종 일관성 도입
• SQS 큐 + Lambda 배치: 메시지 큐잉과 배치 처리로 확장성·복원력·비용 효율성 향상
• pg_cron 예약 배치: 주기적 DB 내 배치 처리로 단순성 및 제어된 API 호출 패턴 제공

설계 고려

• API 속도 제한·토큰 제한·비용·지연 시간·DB 성능·오류 처리 등 주요 트레이드오프 명시