한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬받아 작성된 서평입니다.
벡터 데이터베이스(한빛미디어, 2026)
백터의 개념과 검색 방식을 이해하고 조직의 환경과 업무 특성에 맞는 기술을 선택하는 일이 중요합니다.
- 옮긴이의 말 中
IT업계의 최근 화두는 '데이터레이크'와 '백터DB'의 구축으로, 다양한 플랫폼과 업종에서 프로젝트가 진행중이다. AI를 보다 효과적으로 사용하기 위해서는 '유사도 검색' 기반의 백터DB가 필수인데, 이번 '나는리뷰어다 - 9월 도서'에서 백터DB의 기본기를 다질 수 있는 책, '백터 데이터베이스'를 만나게 되었다. 용어 설명부터 실습을 통한 실제 백터 DB 구축 전반을 다루는 책을 만나보자.
LLM, 생성형 AI, 자연어 처리(NLP) 워크플로의 급속한 발전으로 데이터를 처리하고 저장하는 방식이 바뀌었다. 오늘날의 AI 워크로드는 벡터 데이터와의 빠른 실시간 상호작용과 더불어 검색 증강 생성(RAG) 파이프라인과의 원활한 통합에 의존한다. 벡터 데이터베이스는 이러한 요구 사항을 지원하는 인프라를 제공함으로써 AI 시대에 필수 구성 항목으로 대두 중이다. 벡터 데이터베이스는 대량의 비정형 데이터에 대해 지연 시간이 낮은 유사도 검색을 가능하게 하며, 챗봇이나 추천 시스템과 같은 AI 애플리케이션을 구동한다.
도입부인 1장과 2장에서는 백터 데이터베이스와 임배딩 등 벡터 데이터베이스를 구성하고 실행하는데 필요한 주요 개념을 설명한다. 비정형 데이터를 다루는데 필요한 기초 이론과 발전 과정을 통해 백터 데이터베이스의 구현 목표를 명확하게 정리 할 수 있도록 구성 되어있다.
벡터 데이터베이스 구축 실습은 FAISS와 SQLITE VSS, PostgreSQL pgvector를 활용하여 유사도 검색, 의미 기반 검색, 검색 증강 생성(RAG) 시스템 등 벡터 DB를 활용하는 다양한 방법을 로컬 기준으로 진행 할 수 있게 제시한다. (GPU보다 CPU 기반의 Python Code 구현으로 실습 장비의 큰 제약이 없는 점이 강점이다.)
책의 마지막, 저자는 백터 쿼리 언어(VQL, Vector Query Language)를 안내한다. SQL에서 확장된 '벡터DB'용 언어로, 기존의 SQL 문법에 + @를 추가한, 벡터 연산의 편의성이 눈에 띄는 요소이다.
벡터 데이터베이스는 아직 RDBMS의 Oracle/MySQL/PostgreSQL 처럼 표준화 되지 않은 따끈 따끈한 신 기술이다. AI 어플리케이션의 기초가 될, 백터 데이터베이스의 기초부터 실제 구현을 한 번에 학습 할 수 있는 한빛미디어의 신간 '벡터 데이터베이스'로 비정형 데이터를 다루는 기술을 배워보는 것은 어떨까?
벡터 데이터베이스 - 한빛+
SQLite, PostgreSQL로 직접 만드는 시맨틱 검색과 RAG
www.hanbit.co.kr
저자 : 니틴 보르완카르(Borwankar, Nitin)
역자: 정영균
제목 : 벡터 데이터베이스
원서: Vector Databases: A Practical Introduction (O'Reilly Media, 2026.04 )
출판사 : 한빛미디어
출간 연도 : 2026.08.30
페이지 : 368쪽
한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬받아 작성된 서평입니다.
