핵심 요약
AWS가 Amazon Aurora PostgreSQL에서 pgvector를 프로덕션 환경으로 운영하는 방법을 다루는 기술 블로그를 소개합니다.
구현 방법
- vector 확장을 활성화하고 0.8.0 호환 Aurora에서 Titan Text Embeddings V2(1024차원)를 임베딩으로 사용하는 멀티 테넌트 문서 저장소를 구성
- 스키마 예: documents(id, tenant_id text, content text, embedding vector(1024), created_at timestamptz)
- 인덱스: tenant_id에 B-tree, embedding에 hnsw 인덱스(vector_cosine_ops) 및 (m=16, ef_construction=128)
- 쿼리 설정: hnsw.iterative_scan=relaxed_order; hnsw.ef_search=100; 예시: SELECT id, content FROM documents WHERE tenant_id = '...' ORDER BY embedding <=> '...' LIMIT 10
- 운영 포인트: 파라미터 튜닝 및 파티셔닝으로 확장성 확보
주요 결과
- Titan Embeddings V2의 1024차원 벡터를 대상으로, HNSW 인덱스의 m=16 및 ef_construction=128, ef_search=100이 권장되는 구성으로 제시
- hnsw.iterative_scan = relaxed_order로 필터링 시의 재현율/지연 시간을 조정하고 churn 관리 및 파티셔닝이 중요하다고 안내
