## 기존 DB의 한계점
=> RDBMS 기반의 전통적인 DB의 경우, SQL문을 통해 데이터를 처리하는데 매우 용이하다.
그러나 이미지, 동영상, 문서 등등의 다른 유형의 데이터가 많이 생성되고 있으며, 특히 AI 영역에서 관련하여 RDBMS 외 다른 유형의 데이터베이스의 수요가 증가하였다.
## AI에서 RDBMS의 한계점
=> 인공 지능에서 필요로 하는 방대한 양의 데이터는 구조화되어 있지 않은 경우가 많으며, 그렇기에 RDBMS의 조직적 특성 상 다루기가 어렵다.
## Vector DB 란
=> 벡터란 서로 다른 특성이나 품질을 기반으로 개체를 설명하는 수학적 데이터 표현
=> 벡터는 단일 데이터 요소 (단어, 그림)이며, 여러 특성을 설명하는 값 모음으로 구성
=> 인덱싱 전략을 통해 특정 쿼리 벡터와 유사한 벡터를 쉽게 찾을 수 있으며, 그렇기에 AI에 필요한 유사성 검색에 유리하다
## Vector DB의 사용
=> 자연어 처리, 사진 인식 및 추천 시스템 등등 광범위한 인공 지능 영역에 사용될 수 있다.
ex> 벡터 임베딩을 통해 자연어 처리를 하여 텍스트의 의미와 맥락을 파악하여 정확하고 관련성 높은 검색 결과
ex> 이미지 인식 벡터 DB를 통해 비슷한 사진들을 효율적으로 검색
## 단점
=> 벡터 임베딩을 관리하기 위해서는 많은 양의 스토리지가 필요로 함.
=> 복잡한 쿼리를 필요로 하는 데이터 처리의 경우 어려움이 있을 수 있음
참조 : https://hashdork.com/ko/vector-database/
벡터 데이터베이스란 무엇입니까? - 해시독
인공 지능(AI)은 데이터를 처리하고 평가하는 방식을 변화시키고 있습니다. 그리고 벡터 데이터베이스는 이러한 전환을 주도하는 주요 도구 중 하나입니다. 이러한 데이터베이스는 고차원 데이
hashdork.com
'DB' 카테고리의 다른 글
Oracle DB 메모리 구조 (0) | 2023.10.25 |
---|---|
WebLogic DataSource (0) | 2022.05.25 |
WebLogic ~ MSSQL 연동 (0) | 2022.05.11 |
InsertBatch vs Insert (0) | 2022.05.10 |
SQuirreL SQL Client 연동 (0) | 2022.05.03 |