백터 DB 제품별 비교

RAG를 위한 벡터 DB 목록

• 빠르고 가벼운 실험: FAISS
• LangChain, 문서 QA: Chroma
• 클라우드 확장성: Pinecone, Weaviate
• 대규모 연구, 기업: Milvus

FAISS (Facebook AI Similarity Search)

• 가장 널리 사용됨
• 특징: 빠르고 가볍고, 설치 간편 (로컬 환경에서 실행)
• 장점:
• CPU/GPU 모두 지원
• 다양한 검색 알고리즘 제공 (Flat, IVFFlat, HNSW 등)
• Hugging Face, LangChain 등과도 호환성 높음
• 단점: 메모리 기반, 분산 처리/스케일링 어려움
• 사용처: 개인 RAG 프로젝트, 학술 연구, 초기 PoC
• RAG 튜토리얼에서 가장 많이 등장하는 벡터 DB

Pinecone (클라우드 기반)

• 상용 프로젝트에서 가장 많이 사용되는 클라우드 벡터 DB
• 특징: 서버리스, 빠른 검색, 분산 지원
• 장점:
• 유사도 검색에 최적화된 인프라
• 자동 확장, 메타데이터 필터링
• LangChain, LlamaIndex, OpenAI와 완벽 호환
• 단점: 유료 (무료 티어도 있음), API 키 필요
• 사용처: 실시간 QA 서비스, 기업형 AI 서비스

Chroma

• RAG + LangChain의 공식 기본 DB (2024년 기준)
• 특징: 파이썬 기반, 로컬 DB 또는 클라우드로도 가능
• 장점:
• 설치 간편, zero-config
• 메타데이터, 문서 저장에 특화
• LangChain에서 기본으로 사용
• 단점: 대규모 검색에는 성능 제한
• 사용처: 문서 요약, PDF QA, 챗봇

Weaviate

• GraphQL 기반 쿼리 + 벡터 검색 지원
• 특징: 다양한 임베딩 모델 내장 (OpenAI, Cohere 등과 통합)
• 장점:
• 메타데이터 기반 필터 검색 강력
• 클라우드, 로컬 모두 지원
• 단점: 상대적으로 설정 복잡
• 사용처: 추천 시스템, 세분화된 QA 서비스

가장 많이 쓰이는 벡터 DB 순위 (2025 기준 추정)

상황별 추천

• 간단한 문서 검색용 RAG: Chroma, FAISS
• 비즈니스 서비스: Pinecone, Weaviate
• LangChain 사용 중: Chroma 기본 내장
• Korean RAG + 무료 환경: KoBERT or KoSimCSE + FAISS