AI
Amazon Aurora PostgreSQL에서 pgvector 0.8.0을 통한 벡터 검색 성능 및 관련성 향상
두줄요약
Amazon Aurora PostgreSQL에서 pgvector 0.8.0의 반복적 스캔과 비용 추정 개선을 소개했습니다. 필터링된 벡터 검색의 재현율과 지연 시간을 함께 개선하는 방법을 다뤘습니다.
핵심 내용
- Amazon Aurora PostgreSQL에서 pgvector 0.8.0 지원으로 벡터 검색 성능과 관련성 개선
- 반복적 인덱스 스캔(iterative_scan)으로 필터링된 ANN 검색의 재현율 향상 및 오버필터링 완화
- relaxed_order, strict_order, ef_search, max_scan_tuples 등으로 성능과 정확도 조정
- 1,000만 개 제품 벤치마크에서 필터링·대용량 결과 쿼리의 지연 시간과 결과 완전성 개선
적용해볼 점
- HNSW 인덱스와 메타데이터 B-tree 인덱스 병행 구성
- 작은 테이블은 순차 스캔, 큰 테이블은 HNSW와 반복적 스캔 조합 검토
- RAG, 추천, 시맨틱 검색에서 relaxed_order 중심의 튜닝과 모니터링 적용