2026년 최고의 벡터 데이터베이스: pgvector·Qdrant·Pinecone·Weaviate 비교

pgvector는 이미 Postgres를 사용하는 대부분의 제품 팀에 가장 적합한 벡터 데이터베이스입니다. 까다로운 필터 조건을 적용한 벡터 검색이 핵심이라면 Qdrant, 운영 부담을 없애는 것이 최우선이라면 Pinecone, 여전히 키워드 검색이 제품의 중심이라면 Elasticsearch가 앞섭니다. 2026년 7월 30일에 확인한 공개 유료 플랜의 시작 가격은 Redis Essentials의 월 $5부터 Elastic Cloud Hosted Standard의 월 $99까지지만, 잘못된 데이터 모델을 선택했을 때의 비용은 구독료보다 큽니다.

벡터 데이터베이스 추천 10선 한눈에 보기

가장 안전한 기본 원칙은 실제 검색 요건을 충족하지 못한다는 사실이 측정되기 전까지 벡터를 애플리케이션 데이터와 함께 두는 것입니다. 전용 벡터 데이터베이스는 필터 검색, 확장성 또는 운영 편의성을 개선할 수 있지만, 동기화와 백업, 권한 관리, 장애 대응 주체가 필요한 두 번째 영구 데이터 시스템도 함께 생깁니다.

아래 가격은 모두 공급사의 실제 가격 페이지에서 2026년 7월 30일에 확인했습니다. ‘시작 가격’은 공개된 최저 진입 가격일 뿐, 해당 플랜이 모든 프로덕션 워크로드를 감당한다는 보장은 아닙니다.

가장 짧은 의사결정 기준은 아키텍처입니다.

• 원본 데이터가 Postgres에 있다면 pgvector로 시작합니다.
• 전용 오픈소스 엔진이 필요하다는 근거가 있다면 Qdrant를 선택합니다.
• 데이터베이스 운영을 없애는 가치가 비용 절감보다 크다면 Pinecone을 선택합니다.
• 워크로드가 크고 사용량이 들쭉날쭉하다면 **turbopuffer**와 Pinecone의 비용을 비교합니다.
• 하이브리드 검색의 관련도를 제품 레이어에서 세밀하게 조정해야 한다면 **Weaviate**를 선택합니다.
• 멀티 벡터 확장이 가장 어려운 문제라면 **Zilliz Cloud**를 선택하거나, 분산 시스템을 책임질 팀이 있을 때만 Milvus를 직접 운영합니다.
• 애플리케이션이 이미 MongoDB, Elasticsearch 또는 Redis에 있다면 두 번째 데이터베이스를 추가하기 전에 해당 시스템의 벡터 검색부터 사용합니다.
• 로컬 프로토타입이라면 **Chroma**를 선택하고, 프로덕션 도입은 별도로 판단합니다.

단 하나의 요건만으로도 선택은 달라집니다. 필터를 적용한 근사 검색이 지연 시간 한도 안에 충분한 후보를 반환하지 못하면 pgvector가 불리합니다. 별도 서비스를 운영할 사람이 없고 사전 용량 산정 없이는 Cloud 비용을 예측하기 어렵다면 Qdrant가 불리합니다. 사용량 단위 비용이나 통제 요건이 운영 절감 효과보다 커지면 Pinecone이 불리합니다. 좁은 범위의 유사도 검색 기능 하나를 위해 검색 플랫폼 전체를 도입해야 한다면 Elasticsearch가 불리합니다.

벡터 데이터베이스 비교 기준

벡터 데이터베이스는 텍스트, 이미지, 오디오 같은 데이터를 숫자로 표현한 임베딩을 저장하고, 유사도를 기준으로 가까운 항목을 찾아줍니다. 정의는 간단하지만 프로덕션 환경의 선택은 그렇지 않습니다.

서로 다른 워크로드에서 뚜렷한 강점을 보이는 10개 제품을 선정했습니다. 같은 의사결정을 반복하는 제품은 목록에서 제외했습니다. 제품을 바꿀 때 되돌리기 어려운 다음 7가지 제약을 기준으로 평가했습니다.

• 데이터 중력: 기준이 되는 문서, 사용자, 권한, 비즈니스 레코드가 현재 어디에 있는가.
• 필터 적용 후 재현율: 테넌트, 권한, 지역, 상태 또는 시간 조건을 적용한 뒤에도 관련 결과를 충분히 반환하는가.
• 하이브리드 검색: 밀집 벡터의 의미 유사도와 희소 벡터 또는 키워드 일치를 어떻게 결합하는가.
• 쓰기 동작: 업데이트가 검색 가능해지는 데 얼마나 걸리며 인덱싱, 캐시 워밍 또는 장애 조치 중에는 어떤 일이 생기는가.
• 운영 부담: 복제본, 업그레이드, 백업, 용량, 인덱스 메모리, 장애 대응을 팀이 직접 책임지는가.
• 가격 단위: 스토리지, 읽기·쓰기 단위, 논리 바이트, 클러스터 리소스, 지원 약정 또는 기본 구독료 중 무엇으로 과금하는가.
• 이전 비용: 서비스를 떠날 때 확장 프로그램 하나만 바꾸면 되는가, 인덱스를 이전해야 하는가, 아니면 두 데이터베이스 사이의 동기화 경로를 다시 만들어야 하는가.

각 제품은 직접 부하 테스트한 것처럼 포장하지 않고 가격과 구조를 분석했습니다. 벡터 차원, 재현율 목표, 필터, 하드웨어, 인덱스 설정, 데이터 분포가 달라지면 결과도 달라지므로 공급사 벤치마크끼리는 직접 비교할 수 없습니다. 이런 조건을 통제하지 않은 벤치마크는 초시계를 곁들인 광고에 불과합니다.

이 비교에서 도출한 핵심 결론은 간단합니다. 이전을 결정할 만한 보편적인 벡터 개수 기준은 없습니다. 현재 시스템이 필터 적용 후 재현율, 지연 시간, 쓰기 반영 속도, 인덱스 메모리 또는 운영 부담에 관해 측정된 서비스 수준을 충족하지 못할 때 옮겨야 합니다. 권한 필터가 까다로운 팀은 필터 없는 데이터가 훨씬 많은 팀보다 더 일찍 기존 아키텍처의 한계에 도달할 수 있습니다.

1. pgvector: 이미 Postgres를 쓰는 팀을 위한 종합 1위

pgvector는 이미 보안과 백업, 쿼리, 운영 체계를 갖춘 Postgres에 유사도 검색을 더하므로 대부분의 애플리케이션 팀에 가장 적합한 벡터 데이터베이스입니다. 고객, 문서, 권한, 트랜잭션 레코드와 임베딩을 나란히 보관해 동기화 경계 하나를 통째로 없앨 수 있습니다.

대표적인 적용 사례는 문서, 계정 구성원, 권한, 감사 기록을 Postgres에 저장하는 B2B SaaS입니다. 권한 메타데이터를 별도 서비스에 복사하고 다음 쿼리 전에 모든 변경이 도착하기만을 기대할 필요 없이, 동일한 관계형 데이터에 조인하거나 필터를 걸어 검색할 수 있습니다. 이런 아키텍처의 단순함은 인위적인 최근접 이웃 벤치마크에서 1위를 차지하는 것보다 더 중요할 때가 많습니다.

pgvector는 정확 및 근사 최근접 이웃 검색을 지원하고 Postgres 13 이상에서 작동하며, ACID 트랜잭션, 특정 시점 복구, JOIN, 복제본, 익숙한 모니터링 등 기존 Postgres의 장점을 그대로 유지합니다. 근사 인덱스는 2가지 계열을 제공합니다.

• HNSW는 다층 그래프 인덱스로, 속도와 재현율의 균형이 더 좋지만 빌드가 느리고 메모리를 더 많이 사용합니다.
• IVFFlat은 역파일 인덱스로, 더 빨리 빌드되고 메모리를 덜 쓰는 대신 비슷한 재현율 목표에서 쿼리 성능을 양보합니다.

검색 지연 시간이 중요하다면 HNSW가 합리적인 첫 프로덕션 인덱스입니다. 빌드 시간, 메모리 또는 대량 적재 과정이 더 중요하다면 IVFFlat을 검토할 가치가 있습니다. 어떤 인덱스를 선택하든 애플리케이션의 실제 필터를 기준으로 재현율을 측정해야 합니다.

한계는 필터를 적용한 근사 검색에서 드러납니다. pgvector는 근사 인덱스를 스캔한 뒤 필터를 적용합니다. 공식 문서에는 조건에 맞는 행이 10%이고 HNSW가 기본 hnsw.ef_search 값 40을 사용할 때 평균적으로 조건에 맞는 행이 4개뿐이라는 구체적인 예가 있습니다. 따라서 상위 10개를 요청해도 관련 행이 존재하는데 결과는 10개보다 적을 수 있습니다.

버전 0.8.0에는 충분한 필터 결과를 찾거나 스캔 상한에 도달할 때까지 계속 탐색하는 반복 인덱스 스캔이 추가됐습니다. 이는 실질적인 개선이지만 공짜 해결책은 아닙니다. 더 많이 스캔할수록 지연 시간과 연산량이 늘어납니다. 필터 값의 종류가 적고 고정적이라면 부분 인덱스가 도움이 됩니다. 테넌트나 범주가 많아 물리적 분리가 타당하다면 파티셔닝이 유효합니다. 이런 방법으로도 서비스 수준을 맞추지 못할 때 전용 엔진이 매력적인 선택이 됩니다.

차원 제한도 명확합니다. HNSW와 IVFFlat 인덱스에서 vector는 최대 2,000차원, halfvec은 최대 4,000차원, bit는 최대 64,000차원을 지원합니다. 인덱스를 만들지 않은 vector 타입은 최대 16,000차원을 저장할 수 있습니다. 대부분의 텍스트 임베딩 모델은 충분히 들어가지만, 고차원 또는 멀티 벡터 설계라면 도입 전에 인덱스 표현 방식을 확인해야 합니다.

하이브리드 검색 역량은 충분하지만 완제품이라기보다 직접 조립하는 방식입니다. pgvector를 Postgres 전문 검색과 결합하면 하나의 데이터베이스에서 의미 검색과 어휘 검색을 실행하고 순위를 융합할 수 있습니다. 하나의 데이터 모델을 유지하면서 직접 통제할 수 있다는 점이 장점입니다. 반면 관련도 튜닝, 순위 융합, 평가는 애플리케이션 팀의 몫입니다.

추천 용도: 기준 데이터가 이미 Postgres에 있는 SaaS 제품, 내부 툴, RAG 시스템
핵심 강점: 벡터, 권한, 관계형 필터, 애플리케이션 레코드를 하나의 트랜잭션 데이터 모델로 관리
가격: pgvector는 공급사 구독 플랜이 없는 오픈소스 소프트웨어입니다. 비용은 애플리케이션 데이터베이스에 이미 딸려 있는 Postgres 인프라, 스토리지, 복제본, 백업, 엔지니어링 시간입니다.
무료 체험: 해당 없음, 확장 프로그램은 오픈소스

안전하게 pgvector를 프로덕션에 도입하는 순서

검색이 애플리케이션 데이터베이스의 자원을 잠식하지 않을 때만 1위 선택이라는 평가가 유효합니다. 유사도 검색을 핵심 경로에 넣기 전에 측정 체계부터 구축합니다.

1. 1

   프로덕션 Postgres 버전에 확장 프로그램 설치

   배포 환경이 Postgres 13 이상인지 확인하고, 공급사나 패키지 시스템을 통해 pgvector를 설치한 뒤 CREATE EXTENSION vector로 활성화합니다. 확장 프로그램 버전은 애플리케이션 의존성처럼 별도로 변하게 두지 말고 데이터베이스 릴리스의 일부로 관리합니다.

2. 2

   원본 레코드와 임베딩을 함께 저장

   권한과 수명 주기의 적용을 받는 원본 행에 임베딩을 보관하거나, 해당 원본을 외래 키로 참조하는 하위 행에 저장합니다. 나중에 임베딩 모델을 교체할 때 기존 벡터와 새 벡터를 구분할 수 있도록 모델 식별자도 저장합니다.

3. 3

   정확 검색으로 시작한 뒤 HNSW 추가

   대표 표본에 정확 검색을 적용해 재현율 기준선을 만듭니다. 기준선이 생긴 뒤에만 HNSW를 추가하고, 지연 시간만 좇지 말고 고정된 평가 세트로 후보 목록을 튜닝합니다.

4. 4

   가장 까다로운 권한 필터 테스트

   필터 없는 쿼리만 보지 말고 선택도가 가장 낮은 테넌트·권한 필터와 가장 높은 필터를 모두 실행합니다. 근사 검색이 행을 충분히 반환하지 못하면 새 데이터베이스부터 찾지 말고 반복 스캔을 활성화한 뒤 늘어난 지연 시간을 측정합니다.

5. 5

   서비스 수준을 충족하지 못할 때만 워크로드 분리

   인덱스와 파티셔닝을 조정한 뒤에도 필터 적용 후 재현율, 인덱스 메모리, 쓰기 부하 또는 쿼리 지연 시간이 정해진 목표를 벗어날 때 Qdrant, Pinecone 같은 전용 엔진으로 옮깁니다. Postgres는 계속 원본 데이터로 유지하고 동기화 계약을 명시적으로 설계합니다.

백엔드 자체를 아직 정하지 않았다면 그 결정이 먼저입니다. Supabase와 Firebase 비교를 보면 검색 트래픽이 발생하기도 전에 애플리케이션 데이터 모델이 벡터 데이터베이스 선택을 좌우하는 이유를 알 수 있습니다.

2. Qdrant: 최고의 전용 오픈소스 벡터 데이터베이스

Qdrant는 복잡한 메타데이터 필터와 오픈소스의 통제력을 원하면서 대규모 자체 호스팅 Milvus보다 간결한 운영 구조가 필요한 팀에 가장 적합한 전용 벡터 데이터베이스입니다. pgvector의 필터 적용 후 재현율이 실제 병목으로 측정됐을 때 가장 먼저 검토할 시스템입니다.

대표적인 사용 사례는 모든 쿼리에 계정, 지역, 문서 유형, 상태, 접근 그룹 같은 중첩 조건과 의미 유사도를 함께 적용해야 하는 멀티테넌트 지식 제품입니다. Qdrant 페이로드에는 임의의 JSON을 넣을 수 있고, 필터 모델은 must, should, must_not, 범위, 일치, 중첩 키를 지원합니다. 권한 구조를 반영한 검색 쿼리를 후처리가 아니라 엔진 자체에서 다룰 수 있습니다.

Qdrant는 밀집 및 희소 벡터를 결합한 하이브리드 검색도 지원합니다. 버전 1.10.0부터 제공되는 다단계 쿼리 시스템은 상호 순위 융합(RRF)이나 분포 기반 점수 융합(DBSF)으로 결과 세트를 합칠 수 있습니다. RRF는 원점수 대신 결과 순서를 결합하므로 어휘 검색 점수와 밀집 벡터 점수가 같은 척도라는 잘못된 가정을 피합니다.

제품 형태는 2가지로 명확히 나뉩니다. Qdrant OSS는 소프트웨어를 완전히 통제하는 대신 인프라 부담을 팀이 떠안습니다. Qdrant Cloud는 대부분의 운영 작업을 없애지만 리소스를 기준으로 클러스터 크기를 정해야 합니다. Qdrant의 실제 가격 페이지에 따르면 Free Tier는 0.5 vCPU, 1 GB RAM, 4 GB 디스크를 갖춘 단일 노드입니다. Standard는 전용 리소스에 대한 사용량 기반 가격을 적용하며 수직·수평 확장, 고가용성 구성, 백업과 재해 복구, 99.5% 가동 시간 SLA를 추가합니다.

Premium에는 Qdrant가 공개하지 않는 최소 지출액이 있습니다. SSO, 프라이빗 VPC 연결, 추가 지원, 99.9% 가동 시간 SLA가 제공됩니다. Hybrid Cloud는 고객 인프라에서 Qdrant의 관리 플레인을 실행하고, Private Cloud는 격리 또는 에어갭 환경을 대상으로 합니다. 두 옵션 모두 영업팀과 상담해야 합니다.

가격 측면의 장벽은 예측 가능성입니다. Standard 요금은 vCPU, 메모리, 클러스터 스토리지, 백업 스토리지, 유료 추론 토큰에 따라 달라지고 시간 단위로 청구됩니다. 용량을 산정하고 나면 이해하기 쉬운 모델이지만, 책임 있게 제시할 수 있는 단일 월 요금은 없습니다. 조달팀은 실제 벡터 차원, 복제본, 스토리지, 쓰기 속도를 계산기에 입력하고 더 작은 클러스터와 더 큰 클러스터를 모두 시험해 비용이 뛰는 구간을 찾아야 합니다.

아키텍처의 장벽은 모든 전용 엔진과 같습니다. Qdrant는 파생 데이터 저장소가 되고 원본 레코드는 다른 곳에 남습니다. 삭제, 권한 변경, 재임베딩, 재해 복구, 재실행에는 모두 명시적인 계약이 필요합니다. 검색 성능이 이러한 추가 시스템의 대가를 상쇄할 때만 Qdrant가 이깁니다.

추천 용도: 중첩 메타데이터, 테넌트 또는 권한 필터를 적용하는 전용 벡터 검색
핵심 강점: 표현력이 높은 페이로드 필터와 오픈소스·관리형 배포 옵션
가격: OSS는 오픈소스입니다. Cloud Free는 0.5 vCPU, 1 GB RAM, 4 GB 디스크를 평생 무료로 제공합니다. Standard는 리소스 사용량에 따라 시간 단위로 과금합니다. Premium에는 최소 지출액이 있으며 가격은 별도 문의가 필요합니다. Hybrid Cloud와 Private Cloud도 견적 기반입니다.
무료 체험: Cloud 무료 플랜

3. Pinecone: 무운영 관리형 벡터 데이터베이스 1위

Pinecone은 소규모 엔지니어링 팀이 오픈소스 통제권이나 가장 저렴한 인프라 비용보다 완전 관리형 검색 서비스를 중시할 때 가장 적합한 벡터 데이터베이스입니다. 용량, 복제본, 백업, 인덱스 가용성을 공급사가 책임지므로 데이터베이스 운영이 제품의 차별점이 아닌 팀에는 합리적인 구매가 될 수 있습니다.

대표적인 대상은 데이터베이스 전문가 없이 의미 검색이나 RAG를 출시하려는 투자를 유치한 제품 팀입니다. Pinecone은 밀집, 희소, 전문 인덱스 옵션과 온디맨드 서버리스 인프라를 제공하며, 프로덕션 플랜에는 백업과 복원, 엔터프라이즈 배포 통제 기능도 포함합니다. 스토리지 자체가 사라지는 것은 아닙니다. 명확한 API와 더 적은 운영 접점을 갖춘 검색 서비스를 구매한다는 것이 핵심 가치입니다.

Pinecone의 실제 가격 구조는 4개 플랜으로 나뉩니다. Starter는 무료이며 최대 2 GB의 데이터베이스 스토리지, 월 2백만 쓰기 단위, 월 1백만 읽기 단위, 1 GB의 송신 트래픽을 포함합니다. Builder는 월 $20 정액으로 최대 10 GB 스토리지, 5백만 쓰기 단위, 2백만 읽기 단위, 10 GB 송신 트래픽을 제공합니다.

Standard는 사용료에 충당되는 월 최소 $50 약정이 있으며 $300 크레딧으로 3주 동안 체험할 수 있습니다. 데이터베이스 스토리지는 월 GB당 $0.33입니다. 쓰기 단위는 백만 개당 $4~$4.50, 읽기 단위는 백만 개당 $16~$18이며 클라우드와 리전에 따라 달라집니다. 매달 100 GB까지 포함된 뒤 송신 트래픽은 GB당 $0.10입니다. 가져오기는 GB당 $0.25, 백업 스토리지는 월 GB당 $0.10, 복원은 GB당 $0.15입니다.

Enterprise의 월 최소 약정은 $500입니다. 스토리지는 여전히 월 GB당 $0.33이지만 쓰기는 백만 개당 $6~$6.75, 읽기는 백만 개당 $24~$27로 올라갑니다. 이 플랜에는 99.95% 가동 시간 SLA, BYOC, 프라이빗 엔드포인트, 고객 관리형 암호화 키, 감사 로그, SCIM, HIPAA 규정 준수, Pro 지원이 추가됩니다.

하이브리드 검색 기능은 충분하지만 알아야 할 기술적 조건이 있습니다. Pinecone은 3가지 패턴을 문서화합니다. 하나의 인덱스에 밀집·희소 벡터를 함께 넣는 방식, 밀집·희소 인덱스를 분리하는 방식, 벡터와 전문 필드를 결합한 문서 스키마입니다. Pinecone은 한 번의 요청으로 처리되고 벡터 간 연결이 유지되므로 대부분의 벡터 API 사용 사례에는 단일 인덱스 벡터 패턴을 권장합니다.

단일 인덱스 패턴은 희소 점수와 밀집 점수 범위를 자동으로 정규화하지 않습니다. 정규화된 임베딩의 밀집 내적 값은 대략 -1에서 1 사이지만 BM25 방식의 희소 점수는 상한이 없어 결과를 압도할 수 있습니다. 따라서 애플리케이션에서 명시적으로 alpha 가중치를 적용해야 합니다. 같은 패턴에서는 희소 전용 쿼리를 실행하거나 통합 임베딩과 재순위화를 사용할 수도 없습니다. 인덱스를 분리하면 이런 선택지가 되살아나지만 2개의 쿼리, 명시적 연결, 병합, 중복 제거, 재순위화가 추가됩니다.

장벽은 비용 가시성입니다. Pinecone이 단위 가격을 공개한다는 점은 가격을 숨기는 것보다 낫지만, 팀은 여전히 대표적인 읽기, 쓰기, 스토리지, 백업, 송신 트래픽을 계산해야 합니다. 매력적인 최소 $50가 지속적인 쿼리 트래픽이나 잦은 재임베딩 앞에서는 전혀 다른 청구서가 될 수 있습니다. 출시 후 전체 사용량의 원인을 추적할 수 없게 되기 전에 고객별·워크플로별 단위를 계측해야 합니다.

추천 용도: 벡터 클러스터를 직접 운영하지 않고 관리형 프로덕션 검색이 필요한 소규모 팀
핵심 강점: API 연동에서 공급사가 운영하는 프로덕션 서비스로 가는 가장 간결한 경로
가격: Starter는 무료입니다. Builder는 월 $20 정액입니다. Standard는 월 최소 $50이며 이를 초과하면 사용량 단가가 적용됩니다. Enterprise는 월 최소 $500이고 읽기·쓰기 단가도 더 높습니다. Standard와 Enterprise의 데이터베이스 스토리지는 월 GB당 $0.33입니다.
무료 체험: Starter는 무료, Standard는 $300 크레딧으로 3주 체험

4. turbopuffer: 크고 사용량 편차가 큰 서버리스 워크로드에 최적

turbopuffer는 쿼리 활동의 편차가 커 상시 메모리 운영이 비효율적인 대규모 검색 코퍼스에 가장 적합한 전문 옵션입니다. 논리 스토리지, 쓰기, 쿼리한 바이트에 따라 요금이 책정되며 모든 플랜에 데이터베이스 기능이 포함됩니다.

대표적인 적용 대상은 격리된 고객 네임스페이스가 많고, 자주 쓰지 않는 데이터가 길게 분포하며, 그중 일부 활성 데이터에 검색 요청이 몰리는 제품입니다. 쿼리 API는 근사 및 정확 최근접 이웃 검색, BM25 전문 검색, 희소 벡터, 필터, 정렬, 조회, 집계, 다중 쿼리 검색을 지원합니다. 하이브리드 검색은 벡터와 BM25 분기를 함께 실행한 뒤 RRF로 융합할 수 있습니다.

turbopuffer 가격은 월 최소 $16인 Launch부터 시작합니다. Scale은 최소 약정이 $256으로 올라가며 HIPAA 대응 BAA, SSO, 감사 로그, IP 허용 목록, 비공개 Slack 채널, 오전 8시부터 오후 5시까지의 지원이 추가됩니다. Enterprise는 월 최소 $4,096이며 사용료에 35% 할증이 붙습니다. 대신 단일 테넌시, BYOC, 프라이빗 네트워킹, 네임스페이스별 고객 관리형 암호화 키, 24/7 지원, 99.95% 가동 시간 SLA를 제공합니다.

단위 과금 방식을 꼼꼼히 살펴봐야 합니다. 2026년 2월 변경 이후 쿼리 데이터의 기본 단가는 PB당 $1이고, 쿼리 1건의 최소 청구 데이터는 1.28 GB입니다. 필터 가능한 속성은 쓰기와 스토리지에서 벡터 열마다 한 번씩 과금되지만, 필터 불가능한 속성은 벡터 열 개수와 관계없이 한 번만 저장됩니다. 따라서 문서 수가 같아도 필터 가능 속성을 많이 지정하거나 벡터 열을 하나 더 추가한 스키마는 비용이 달라질 수 있습니다.

명시해야 할 한계는 대규모 업데이트 중 쓰기 반영 속도입니다. turbopuffer는 쿼리의 99.8% 이상이 일관된 데이터를 반환한다고 설명합니다. 드물게 확장이나 장애 조치 과정에서 약 100 ms의 지연된 데이터가 보일 수 있습니다. 네임스페이스에 처리되지 않은 쓰기가 128 MiB를 넘으면 추가 쓰기는 인덱싱되고 캐시에 적재될 때까지 보이지 않을 수 있습니다. 문서에 제시된 지연은 작은 네임스페이스에서는 수십 초, 큰 네임스페이스에서는 수십 분이며, 대규모 쓰기 뒤에는 최대 약 1시간 동안 데이터가 오래된 상태일 수 있습니다.

배치로 갱신하는 지식 코퍼스에는 받아들일 수 있는 동작이지만, 접근 권한 취소나 긴급 게시 변경이 다음 쿼리에 즉시 반영돼야 하는 워크플로에는 맞지 않습니다. 막연히 ‘최종 일관성’이라고 부르는 대신 명시적인 최신성 서비스 수준이 필요합니다.

집계에도 경계가 있습니다. turbopuffer는 문서가 1백만 개를 넘는 네임스페이스에서 지연 시간에 민감한 집계를 권장하지 않습니다. 이 제품은 검색 엔진으로 사용해야 합니다. API가 개수 계산과 그룹화를 지원한다는 이유로 분석 데이터베이스 역할까지 조용히 넘기면 안 됩니다.

추천 용도: 액세스 편차가 크고 바이트 기반 과금에 익숙한 팀의 대규모 멀티테넌트 코퍼스
핵심 강점: 낮은 최소 약정으로 이용하는 폭넓은 벡터, BM25, 희소, 하이브리드 검색
가격: Launch는 월 최소 $16, Scale은 월 최소 $256입니다. Enterprise는 월 최소 $4,096에 35% 사용료 할증이 붙습니다. 약정액을 넘는 사용료는 스토리지, 쓰기, 쿼리한 바이트로 결정됩니다.
무료 체험: 가격 페이지에 공개된 체험판 없음

5. Weaviate: 관리형 하이브리드 검색 툴킷 1위

Weaviate는 모든 검색 단계를 애플리케이션 코드에서 조립하는 대신 하이브리드 검색, 조정 가능한 관련도, 멀티테넌시, 관리형 배포를 하나의 제품에서 원하는 팀에 가장 적합한 벡터 데이터베이스입니다. 단순한 최근접 이웃 서비스보다 검색 플랫폼에 가깝습니다.

대표적인 사용 사례는 정확한 문구, 의미 유사도, 최신성, 테넌트 격리가 모두 순위에 영향을 주는 멀티테넌트 고객 지원 또는 커머스 검색 제품입니다. Weaviate 하이브리드 검색은 벡터 결과와 BM25F 키워드 결과를 융합합니다. 애플리케이션은 alpha로 키워드와 벡터의 비중을 바꾸고, 융합 방식을 선택하고, 점수 설명을 확인하고, 필터를 적용하고, 속성 또는 감쇠 기준으로 융합된 후보군을 부스팅할 수 있습니다.

관리형 Weaviate Free 플랜은 평생 $0이며 객체 100,000개, 메모리 1 GB, 디스크 10 GB, 컬렉션 1개, 최대 테넌트 3개를 포함합니다. 데이터 모델과 관련도를 평가하기에는 충분하지만 복제 기능이 없고 가용성은 최선 노력 방식으로만 제공됩니다.

Flex는 공유 클러스터에서 월 $45부터 시작합니다. 약정 없는 종량제이며 복제, RBAC, 7일 백업 보관, 99.5% 가동 시간 목표, Severity 1 문제에 대한 다음 영업일 지원을 포함합니다. Premium은 선불 약정으로 월 $400부터 시작하고 공유 또는 전용 배포를 제공합니다. 백업 보관 기간은 공유 환경 30일 또는 전용 환경 45일이고, SSO/SAML, 최대 99.95% 가동 시간, Severity 1 문제에 대해 최단 1시간 내 지원을 제공합니다.

하이브리드 검색과 멀티테넌시는 3개 플랜 모두에서 제공됩니다. 따라서 Free에서 검색 모델을 검증한 뒤 핵심 쿼리 형태가 엔터프라이즈 플랜에만 있다는 사실을 뒤늦게 발견할 일은 없습니다. 유료 플랜의 선택 기준은 용량, 안정성, 백업, 보안, 리전, 지원입니다.

장벽은 설정 범위입니다. 관련도 플랫폼에 조절 항목이 많은 이유는 누군가 그 항목을 책임져야 하기 때문입니다. alpha 값, 융합 방식, 토크나이저, 필터, 부스팅 규칙은 결과를 개선할 수 있지만, 6개월 뒤 아무도 설명하지 못하는 순위 시스템을 만들 수도 있습니다. 모든 관련도 변경 사항을 평가 결과 및 롤백 경로와 함께 저장해야 합니다.

두 번째 장벽은 최저 요금의 급등입니다. Flex의 연 $540은 접근하기 쉽습니다. Premium은 연 $4,800부터로 최소 약정이 거의 9배입니다. 상위 플랜은 SSO, 더 강한 지원, 더 긴 백업, 리전 또는 전용 배포가 필요할 때 타당합니다. 단순히 ‘프로덕션’이라는 말이 Premium처럼 들린다는 이유로 구매하면 안 됩니다.

추천 용도: 어휘·의미 관련도를 조정해야 하는 멀티테넌트 제품
핵심 강점: 관리형 검색 플랫폼 안에서 설정하는 BM25F와 벡터 융합
가격: Free는 평생 $0입니다. Flex는 월 $45, Premium은 공유 또는 전용 배포 기준 월 $400부터입니다. 사용량 기반 임베딩과 Query Agent 서비스는 별도입니다.
무료 체험: 평생 무료 관리형 플랜

6. Zilliz Cloud와 Milvus: 초대형·멀티모달 컬렉션에 최적

Zilliz Cloud는 컬렉션 규모, 여러 벡터 필드 또는 멀티모달 검색이 핵심 엔지니어링 과제일 때 가장 적합한 관리형 벡터 데이터베이스이며, Milvus는 그 기반이 되는 오픈소스 엔진입니다. 관리형 제품은 상당한 분산 시스템 운영 부담을 없애는 대가로 프리미엄을 받습니다.

대표적인 적용 대상은 같은 상품에 의미 텍스트 벡터, 희소 키워드 벡터, 이미지 벡터를 보관하는 제품 카탈로그입니다. Zilliz Cloud는 각 필드에서 여러 ANN 검색을 실행한 뒤 결합한 결과를 재정렬할 수 있습니다. 문서화된 하이브리드 예시는 하나의 컬렉션에서 밀집 텍스트, 내장 BM25 희소 텍스트, 밀집 이미지 벡터를 사용합니다.

Zilliz Cloud Free 플랜은 $0이며 5 GB 스토리지, 월 2.5백만 vCU, 최대 컬렉션 5개를 포함합니다. Standard Serverless는 월 $0부터 시작합니다. 가격 페이지에서 Dedicated 시작 가격 표시는 “From $126/GB/month.”입니다. Standard와 Enterprise 모두 30일 체험을 제공합니다.

Enterprise Dedicated는 월 $197부터이며 99.95% 가동 시간 SLA, 감사 로그, SSO, 세분화된 RBAC, 다중 복제본 확장, 프라이빗 엔드포인트 또는 VPC 피어링, 엔터프라이즈 지원을 추가합니다. Business Critical은 견적 기반이며 규제 대상 또는 미션 크리티컬 배포를 위해 더 강한 복원력과 보안을 제공합니다.

전용 클러스터 옵션을 보면 이 제품이 목록에서 대규모 영역을 담당하는 이유를 알 수 있습니다. 성능 최적화 컴퓨팅 단위는 768차원 벡터 약 2백만 개, 용량 최적화 단위는 약 8백만 개, 계층형 스토리지 단위는 약 4천만 개를 기준으로 설명됩니다. 공개된 시작 가격 지표는 벡터 1백만 개당 월 $63, $16, $5입니다. 이는 구성 형태를 추정하는 값이지 개념 증명을 대신하지 않습니다.

장벽은 Milvus를 자체 호스팅할 때의 운영 복잡성입니다. 대형 컬렉션, 여러 인덱스, 복제본, 컴팩션, 스토리지, 업그레이드, 복구를 다루는 일은 본격적인 플랫폼 운영입니다. 이 일을 이미 맡는 팀이 없다면 단지 소프트웨어가 오픈소스라는 이유로 Milvus를 직접 운영하는 비용이 Zilliz Cloud보다 커질 수 있습니다.

두 번째 장벽은 조달 과정의 명확성입니다. Zilliz가 유용한 시작점을 공개하지만, 프로덕션 견적은 여전히 클러스터 유형, 컴퓨팅 단위, 복제본, 스토리지, 워크로드, 플랜에 좌우됩니다. 지연 시간이나 비용을 인용할 때는 계산기에 넣은 구성도 함께 전달해야 합니다.

추천 용도: 초대형 컬렉션, 멀티모달 데이터, 여러 밀집·희소 벡터 필드
핵심 강점: 멀티 벡터 하이브리드 검색과 규모별 클러스터 구성을 제공하는 관리형 Milvus
가격: Free는 $0입니다. Standard Serverless는 월 $0부터이며, 가격 페이지에는 Standard Dedicated가 From $126/GB/month로 표시됩니다. Enterprise Dedicated는 월 $197부터이고 Business Critical은 맞춤 견적입니다.
무료 체험: 무료 플랜, Standard와 Enterprise는 30일 체험

7. MongoDB Atlas Vector Search: 애플리케이션 데이터가 이미 MongoDB에 있을 때 최적

MongoDB Atlas Vector Search는 필드와 수명 주기를 함께 관리하는 기존 문서 곁에 임베딩을 인덱싱하므로 MongoDB 애플리케이션에 가장 적합한 벡터 옵션입니다. Postgres에서 pgvector가 기본값이 되는 것과 같은 데이터 중력 원칙을 따릅니다.

대표적인 대상은 원본 객체가 이미 MongoDB 문서로 저장된 카탈로그, 콘텐츠 플랫폼 또는 에이전트 시스템입니다. $vectorSearch 집계 단계는 의미 검색 전에 문서를 미리 필터링할 수 있어 범주, 계정, 로케일, 재고 상태 같은 필드를 하나의 쿼리 화면에서 다룰 수 있습니다.

Atlas Free는 $0이며 공유 컴퓨팅과 512 MB를 제공합니다. Flex는 시간당 $0.011이고 월 $30로 상한이 정해져 있으며 공유 컴퓨팅과 최대 5 GB를 제공합니다. Dedicated는 시간당 $0.08 또는 월 $56.94부터이고, 스토리지 10 GB, RAM 2 GB, vCPU 2개를 포함합니다.

벡터 기능의 경계는 정확히 정해져 있습니다. $vectorSearch는 최대 8,192차원 벡터를 받고 Atlas 6.0.11 이상에서 실행됩니다. $facet 또는 $lookup 내부에는 넣을 수 없습니다. MongoDB 8.0부터는 $unionWith 안에서 실행할 수 있습니다. 모든 일반 집계 파이프라인 형태로 벡터 검색을 감쌀 수 있다고 가정한다면 이런 제약이 중요합니다.

검색을 전용 Search Node로 옮겨 데이터베이스 컴퓨팅과 격리할 수도 있습니다. Atlas는 Search Node 2~32개를 지원하며 티어별로 각 노드에 시간당 요금을 부과합니다. Search Node와 데이터베이스 노드 사이의 네트워크 전송은 클러스터 수준에서 표시됩니다. 이러한 분리는 리소스 경합 문제를 해결하는 대신 새로운 용량과 비용 항목을 만듭니다.

MongoDB가 다른 용도로 필요하지 않은데도 비용을 지불해야 한다는 점이 장벽입니다. Atlas Vector Search는 MongoDB에 계속 머물 좋은 이유이지, 관계형 애플리케이션을 이전할 강력한 이유가 아닙니다. 벡터만을 위해 선택하면 pgvector나 전용 엔진으로 더 간결하게 처리할 수 있는 문서 모델, 클러스터, Search Node 결정까지 따라옵니다.

추천 용도: 별도 데이터 저장소 없이 의미 검색을 추가하려는 기존 MongoDB Atlas 애플리케이션
핵심 강점: 같은 애플리케이션 문서의 필드에 벡터 사전 필터 적용
가격: Free는 $0입니다. Flex는 시간당 $0.011이며 월 최대 $30입니다. Dedicated는 시간당 $0.08 또는 월 $56.94부터입니다. 전용 Search Node에는 별도의 시간당 노드 요금이 붙습니다.
무료 체험: 평생 무료 Atlas 플랜

8. Elasticsearch: 어휘 검색이 여전히 제품의 중심일 때 최적

Elasticsearch는 전문 관련도, 필터, 집계, 운영 검색이 이미 제품의 핵심이고 의미 검색을 또 하나의 신호로 추가할 때 가장 적합한 벡터 데이터베이스입니다. 좁은 범위의 RAG 인덱스에는 경제적인 기본 선택이 아닙니다.

대표적인 적용 대상은 정확한 용어와 구문, 패싯, 구조화된 필터, 의미 유사도를 하나의 엔진에서 처리해야 하는 커머스, 미디어, 관측성 또는 엔터프라이즈 검색입니다. Elasticsearch는 밀집 임베딩을 dense_vector, 희소 임베딩을 sparse_vector에 저장하고 어휘 검색, 필터, 집계와 결합합니다.

하이브리드 검색은 하나의 워크플로에서 키워드, kNN, 희소 벡터, 의미 검색 분기를 실행할 수 있습니다. Elastic은 상호 순위 융합과 선형 융합을 지원하고 선택적으로 재순위화도 적용합니다. 관련도 엔지니어링이 LLM 뒤의 보조 기능이 아니라 제품 역량일 때 이런 폭넓은 기능이 가치가 있습니다.

Elastic Cloud Hosted에는 공개된 최저 가격이 4개 있습니다. Standard는 월 $99, Gold는 $114, Platinum은 $131, Enterprise는 $184부터입니다. 4개 플랜 모두 무료 체험을 제공합니다. 워크로드에 따른 리소스 비용을 제외한 연간 최저선은 각각 $1,188, $1,368, $1,572, $2,208입니다.

벡터 스토리지는 고정된 기반 요소가 아닙니다. 차원이 384 이상인 새로운 float 또는 bfloat16 벡터 인덱스는 메모리와 비용을 줄이기 위한 이진 양자화 HNSW 구성인 BBQ HNSW를 기본값으로 사용합니다. 이렇게 기본값이 계속 바뀌므로 버전을 고려한 검색 평가가 중요합니다. 특정 인덱스 구성에서 얻은 관련도 결과를 영구적인 값으로 간주하면 안 됩니다.

장벽은 플랫폼의 규모입니다. Elasticsearch가 폭넓은 문제를 해결하기 때문에 기능 범위도 넓습니다. 클러스터, 매핑, 분석기, 샤드, 인덱스 수명 주기, 관련도 파이프라인, 벡터 구성, 업그레이드를 책임질 주체가 필요합니다. 쿼리가 ‘의미적으로 비슷한 청크 5개 찾기’뿐이라면 Pinecone, Qdrant, pgvector 또는 Chroma Cloud가 이해하고 운영하기 더 쉽습니다.

추천 용도: 어휘 관련도, 필터, 패싯, 벡터가 함께 필요한 검색 제품
핵심 강점: 키워드, 밀집, 희소, 필터, 집계, 재순위 검색을 하나의 엔진에서 제공
가격: Cloud Hosted Standard는 월 $99, Gold는 $114, Platinum은 $131, Enterprise는 $184부터입니다. 해당 최저선보다 높은 실제 배포 비용은 리소스 사용량으로 결정됩니다.
무료 체험: 모든 호스팅 플랜에서 제공

9. Redis: 실시간 상태 데이터 곁에서 검색해야 할 때 최적

Redis는 임베딩을 Redis에서 이미 제공하는 빠르게 변하는 세션 상태, 의미 캐시 항목, 추천 또는 에이전트 메모리와 함께 둬야 할 때 가장 적합한 벡터 옵션입니다. 저렴한 대용량 벡터 스토리지가 아니라 실시간 데이터 경로와의 근접성이 강점입니다.

대표적인 적용 대상은 최근 대화 상태, 캐시 항목, 사용자 특성 또는 추천 후보를 Redis에 저장하고 같은 객체를 의미 기반으로 찾아야 하는 AI 애플리케이션입니다. Redis는 해시 또는 JSON 문서의 벡터를 인덱싱하고 텍스트, 태그, 숫자, 지리 공간 필드, 벡터 조건으로 필터링할 수 있습니다.

3가지 벡터 인덱스가 서로 다른 데이터 형태를 담당합니다. Redis는 벡터가 1백만 개 미만이거나 지연 시간보다 정확도가 중요할 때 FLAT을 권장합니다. 완벽한 정확도보다 속도와 확장성이 중요한 대규모 데이터 세트에는 HNSW가 적합합니다. Redis 8.2에는 그래프 기반 압축 옵션인 SVS-VAMANA가 추가돼 조정 항목이 하나 더 생겼습니다.

Redis Cloud 가격은 공유 데이터베이스 1개와 최대 30 MB를 제공하는 $0짜리 Free부터 시작합니다. Essentials는 시간당 $0.007 또는 월 $5부터이며 RAM과 SSD에 걸쳐 250 MB~100 GB를 제공합니다. SAML SSO, RBAC, 암호화, 최대 99.99% 가동 시간도 포함됩니다. Pro는 시간당 $0.014부터이고 월 최소 약정은 $200이며 첫 $200가 무료입니다. 전용 배포, 무제한 RAM, 여러 데이터베이스, 액티브-액티브 멀티리전, 프라이빗 연결, 최대 99.999% 가동 시간을 추가합니다.

멀티 클라우드, 하이브리드 클라우드, 온프레미스 배포는 연간 견적 기반 플랜으로 제공됩니다. 이 경로는 간단한 벡터 파일럿이 아니라 엔터프라이즈 조달에 해당합니다.

장벽은 메모리 경제성입니다. Redis는 빠른 데이터 접근을 중심으로 설계됐고, 압축이나 SSD 기반 구성으로 부담을 낮춰도 벡터 인덱스는 메모리를 사용합니다. 규모가 크고 대부분 차가운 상태로 가끔만 조회되는 코퍼스 때문에 인메모리 성격의 시스템을 구매하는 것은 적절하지 않습니다. turbopuffer, Pinecone 또는 스토리지 중심 Zilliz 클러스터 구성과 비용을 비교해야 합니다.

추천 용도: 의미 캐시, 에이전트 메모리, 추천, 실시간 Redis 데이터 검색
핵심 강점: 지연 시간이 짧은 상태 데이터, JSON, 해시, 메타데이터 필터와 나란히 두는 벡터 검색
가격: Free는 최대 30 MB까지 $0입니다. Essentials는 시간당 $0.007 또는 월 $5부터입니다. Pro는 시간당 $0.014부터이고 월 최소 약정은 $200이며 첫 $200가 무료입니다. Enterprise 배포는 연간 견적 기반입니다.
무료 체험: 무료 플랜, Pro는 첫 $200 포함

10. Chroma: 로컬 프로토타입과 단순한 클라우드 검색에 최적

Chroma는 로컬 프로토타입에 가장 적합한 벡터 데이터베이스이며 단순한 검색 제품에는 신뢰할 만한 클라우드 옵션이기도 합니다. 다만 로컬과 클라우드의 기능 범위는 같지 않습니다. 노트북 환경에서 Chroma Cloud로 옮기는 일을 단순한 배포 버튼이 아니라 프로덕션 아키텍처 결정으로 봐야 합니다.

대표적인 적용 대상은 주변 제품이 안정되기 전에 청킹, 임베딩, 필터링, 검색 동작을 검증하는 엔지니어입니다. Chroma의 오픈소스 개발 경험 덕분에 이 과정을 쉽게 반복할 수 있습니다. Chroma Cloud는 명확한 사용량 단가와 함께 서버리스 벡터, 전문, 메타데이터 검색을 추가합니다.

Chroma Cloud Starter는 월 $0에 사용료가 별도로 붙고, 무료 크레딧 $5, 데이터베이스 10개, 팀원 10명을 포함합니다. 사용료는 쓰기 GiB당 $2.50, 월 저장 GiB당 $0.33, 쿼리 TiB당 $0.0075, 반환 GiB당 $0.09입니다.

Team은 월 $250에 사용료가 별도로 붙으며 크레딧 $100, 데이터베이스 100개, 팀원 30명, Slack 지원, SOC II, 볼륨 할인을 포함합니다. 포함된 $100는 이월되지 않습니다. Enterprise는 맞춤 견적이며 무제한 데이터베이스와 팀원, 전담 지원, 단일 테넌트 클러스터, BYOC, SLA를 추가합니다.

많은 팀이 놓치는 경계는 Search API입니다. 현재 Chroma의 Cloud Search API는 벡터 검색, 메타데이터 및 문서 필터링, 맞춤 순위 표현식, RRF 하이브리드 검색, 그룹화, 배치 작업, 필드 선택, 페이지네이션을 지원합니다. Chroma는 이 API가 Chroma Cloud에서만 제공되며 단일 노드 지원은 향후 릴리스에 계획돼 있다고 명시합니다.

따라서 기존 쿼리 인터페이스로 만든 로컬 검증이 클라우드 프로덕션 쿼리 계획을 자동으로 입증하지 않으며, Cloud Search API에 맞춘 설계도 자체 호스팅 단일 노드에서 자동으로 실행되지 않습니다. 제품 이름은 같지만 운영과 쿼리 환경은 별도로 검증해야 합니다.

장벽은 Team 전환 시의 거버넌스와 비용입니다. Starter는 사용량 과금으로 작은 워크로드를 호스팅할 수 있습니다. Team은 사용료를 제외하고도 기본 요금이 연 $3,000으로 올라갑니다. 이 상승분으로 조직 규모, 지원, SOC II, 할인을 확보합니다. 막연히 유료가 곧 프로덕션이라는 생각이 아니라 구체적인 조직 요건을 근거로 전환해야 합니다.

추천 용도: 로컬 RAG 프로토타입, 검색 실험, 단순한 Chroma Cloud 애플리케이션
핵심 강점: 빠른 로컬 시작과 투명한 클라우드 쓰기·스토리지·쿼리·네트워크 단가
가격: Starter는 월 $0에 사용료가 붙고 크레딧 $5를 포함합니다. Team은 월 $250에 사용료가 붙고 크레딧 $100를 포함합니다. Enterprise는 맞춤 견적입니다. 사용료는 쓰기 GiB당 $2.50, 월 저장 GiB당 $0.33, 쿼리 TiB당 $0.0075, 반환 GiB당 $0.09입니다.
무료 체험: Starter에 크레딧 $5 포함

상황별 벡터 데이터베이스 선택법

적합한 벡터 데이터베이스는 데이터의 원본 위치, 가장 까다로운 검색 조건, 팀의 운영 부담 수용 범위를 차례로 따라갑니다.

Postgres가 이미 레코드를 관리한다면 pgvector

문서, 사용자, 권한, 트랜잭션, 벡터를 하나의 데이터 모델에 둘 수 있다면 pgvector를 선택합니다. 필터 적용 후 재현율, 인덱스 메모리 또는 쿼리 부하가 측정 가능한 실패를 일으킬 때까지 유지합니다. 일반적인 벤치마크에서 다른 엔진이 더 많은 벡터를 처리한다는 이유만으로 옮기지 않습니다.

반복 스캔, 부분 인덱스, 파티셔닝, 용량 격리를 적용해도 지연 시간이나 재현율 목표를 놓치면 선택이 달라집니다. 그때 가장 유력한 전용 오픈소스 후보는 Qdrant이고, 운영 부담이 가장 적은 후보는 Pinecone입니다.

필터가 검색의 핵심 문제라면 Qdrant

중첩 페이로드 필터와 밀집+희소 융합이 핵심이라면 Qdrant를 선택합니다. 두 번째 저장소를 운영할 의향이 있거나 용량 산정 후 Qdrant Cloud를 구매할 팀에 맞습니다. 데이터베이스 운영이 더 큰 제약이라면 Pinecone으로, 필터가 관계형이고 워크로드가 여전히 Postgres에 맞는다면 pgvector로 선택이 바뀝니다.

운영 비용이 사용량 단가보다 크다면 Pinecone

소규모 팀에 관리형 서비스, 공개된 사용량 단가, 직접 클러스터를 운영하지 않고도 쓸 수 있는 엔터프라이즈 통제 기능이 필요하다면 Pinecone을 선택합니다. 사용량 단위의 경제성, 하이브리드 오케스트레이션, BYOC 정책 또는 오픈소스 통제권이 운영 편의성보다 중요해지면 선택이 달라집니다.

관리형과 자체 운영의 비교는 다른 AI 인프라 결정과 경제적 구조가 같습니다. 더 좁은 운영 범위를 공급사에 맡기고 비용을 내거나, 시스템과 장애 대응을 직접 소유하는 선택입니다. 직접 구축과 임대 비용 비교 프레임워크는 인건비가 공짜인 척하지 않고 구독료와 엔지니어링 운영 비용을 함께 계산하는 방법을 보여줍니다.

코퍼스가 크고 액세스 편차가 크다면 turbopuffer

논리 바이트 과금과 네임스페이스 격리가 워크로드에 맞는다면 turbopuffer를 선택합니다. 쓰기가 몰리는 상황에서 명시적인 최신성 테스트를 반드시 진행합니다. 업데이트나 권한 취소가 다음 쿼리에 바로 보여야 하거나 더 단순한 과금 체계가 필요하면 다른 제품을 선택합니다.

관련도 자체를 제품 기능으로 다뤄야 한다면 Weaviate

BM25F, 벡터 가중치, 융합, 부스팅, 멀티테넌시, 관리형 배포를 하나의 플랫폼에서 다뤄야 한다면 Weaviate를 선택합니다. 쿼리가 단순해 이런 통제 기능이 오히려 거버넌스 부담이 되면 선택이 달라집니다.

멀티 벡터 확장이 핵심 문제라면 Zilliz Cloud

매우 크거나 멀티모달이거나 여러 벡터 필드가 있는 컬렉션에는 Zilliz Cloud를 선택합니다. 분산 시스템 운영을 이미 맡는 팀이 있을 때만 Milvus를 직접 호스팅합니다. ‘언젠가 10억 개 규모’라는 이야기가 측정된 요건이 아니라면 더 작은 엔진으로 선택이 바뀝니다.

데이터 중력이 우선이라면 MongoDB, Elasticsearch 또는 Redis 유지

애플리케이션 문서가 이미 MongoDB에 있다면 Atlas Vector Search를 선택합니다. 어휘 검색, 필터, 집계가 제품의 핵심이면 Elasticsearch를, 벡터 검색이 실시간 상태 데이터 곁에 있어야 하면 Redis를 선택합니다. 벡터만을 위해 이 데이터베이스 중 하나로 새로 이전할 이유는 없습니다.

Chroma로 학습한 뒤 다시 결정

로컬에서 청킹, 임베딩, 검색을 검증할 때 Chroma를 선택합니다. 사용량 모델과 Cloud Search API가 프로덕션 워크로드에 맞으면 Chroma Cloud를 선택합니다. 로컬과 클라우드 환경을 서로 바꿔 쓸 수 있다고 가정하면 안 됩니다.

상황별로 피해야 할 선택

보편적인 1위를 찾는 것보다 잘못된 제품을 피하는 편이 더 가치 있습니다. 이 목록의 모든 제품에는 분명한 쓰임새가 있고, 동시에 잘못된 구매가 되는 분명한 조건도 있습니다.

• 현재 저장소의 한계가 확인되기 전에 전용 벡터 데이터베이스를 추가하지 마세요. Postgres나 MongoDB에서 벡터와 메타데이터를 복사하면 동기화, 삭제, 복구, 접근 제어 작업이 늘어납니다. 벤치마크 우위만으로는 그 아키텍처 비용을 상쇄할 수 없습니다.
• 튜닝 후에도 근사 필터가 필요한 결과 수를 충족하지 못한다면 pgvector를 피하세요. 반복 스캔은 더 많은 연산으로 행을 되찾을 수 있습니다. 그 연산이 지연 시간 한도를 깨뜨린다면 실제 이전 시점에 도달한 것입니다.
• 분산 스토리지와 검색 운영을 맡을 사람이 없다면 Milvus 자체 호스팅을 피하세요. 오픈소스 라이선스가 업그레이드, 용량 계획, 백업 훈련, 온콜 체계를 대신해 주지는 않습니다.
• 읽기, 쓰기, 스토리지, 백업, 송신 트래픽 단위를 모델링할 사람이 없다면 Pinecone을 피하세요. 관리형 서비스는 클러스터 운영을 없앨 뿐 비용 책임까지 없애지는 않습니다.
• 다음 읽기에서 일관성을 보장해야 하는데 쓰기 폭주 테스트를 하지 않았다면 turbopuffer를 피하세요. 문서에 명시된 캐시 및 인덱싱 동작은 각주가 아니라 제품 요건입니다.
• 관련도 평가 세트를 유지하지 않을 팀이라면 Weaviate를 피하세요. 측정 결과 없이 융합과 부스팅을 설정하면 검토되지 않은 관행만 남습니다.
• 벡터 전용 기능에 Elasticsearch를 도입하지 마세요. 검색 플랫폼이 강력한 이유는 기능이 넓기 때문입니다. 정확한 용어, 분석기, 패싯, 집계가 필요 없다면 그 폭은 낭비입니다.
• 대규모 콜드 아카이브에 Redis를 쓰지 마세요. 빠른 실시간 상태가 Redis의 장점입니다. 거의 조회하지 않는 임베딩에 메모리형 비용을 지불하면 강점을 살리지 못합니다.
• 설계가 Cloud Search API에 의존한다면 Chroma 단일 노드를 피하세요. 공급사는 현재 이 고급 API를 Cloud 전용으로 명시합니다.

반복해서 나타나는 실수는 미래의 규모를 가정해 구매하는 것입니다. 다음 프로덕션 단계에서 확인할 수 있는 가장 까다로운 요건에 맞춰 구매하고, 검증된 이전 경로를 남겨둡니다. 아키텍처는 발전할 수 있지만 측정하지 않은 복잡성은 쌓이기만 합니다.

자주 묻는 질문

RAG에 가장 적합한 벡터 데이터베이스는 무엇인가요?

애플리케이션이 이미 Postgres를 사용한다면 pgvector가 가장 좋은 기본 선택입니다. 복잡한 필터에는 Qdrant가 최고의 전용 오픈소스 선택이고, Pinecone은 가장 간편한 완전 관리형 선택이며, 설정 가능한 하이브리드 관련도가 제품 요건이라면 Weaviate가 가장 강합니다.

무료로 쓸 수 있는 RAG 벡터 데이터베이스 중 무엇이 가장 좋은가요?

pgvector, Qdrant OSS, Milvus, Weaviate OSS, Redis Open Source, Chroma는 오픈소스 옵션입니다. Qdrant Cloud, Weaviate Cloud, Zilliz Cloud, MongoDB Atlas, Redis Cloud, Pinecone, Chroma Cloud에는 무료 진입 플랜이 있습니다. 소프트웨어가 무료여도 인프라, 백업, 엔지니어링 비용은 남습니다.

가장 좋은 오픈소스 벡터 데이터베이스는 무엇인가요?

Qdrant는 필터와 하이브리드 검색이 다양한 프로덕션 RAG 시스템에 잘 맞아 가장 강력한 전용 오픈소스 기본 선택입니다. 벡터가 관계형 애플리케이션 데이터와 함께 있어야 한다면 pgvector가 더 적합하고, 실제로 대규모 확장이 필요하며 이를 운영할 수 있는 팀에는 Milvus가 맞습니다.

하이브리드 검색에 가장 적합한 벡터 데이터베이스는 무엇인가요?

Weaviate는 BM25F와 벡터 가중치, 융합, 필터, 부스팅을 직접 조절할 수 있어 가장 명확한 관리형 하이브리드 검색 툴킷입니다. Qdrant, Pinecone, turbopuffer, Zilliz, pgvector, Elasticsearch, Redis, Chroma Cloud도 하이브리드 패턴을 지원하지만 조절 방식과 운영상의 트레이드오프가 서로 다릅니다.

로컬에서 쓰기 가장 좋은 벡터 데이터베이스는 무엇인가요?

많은 RAG 프로토타입에는 Chroma가 가장 쉬운 출발점입니다. 로컬 애플리케이션에서 이미 Postgres를 실행한다면 pgvector가 더 낫습니다. 로컬 프로토타입만으로는 권한, 복구, 동시성, Cloud 전용 기능을 검증할 수 없으므로 프로덕션 결정은 별개입니다.

프로덕션 RAG에 pgvector만으로 충분한가요?

Postgres가 이미 데이터를 관리하고 필터 적용 후 재현율, 인덱스 메모리, 쓰기 부하, 쿼리 지연 시간이 서비스 수준 안에 있다면 충분합니다. 핵심 검증 항목은 문서화된 필터 검색 동작입니다. 근사 인덱스를 스캔한 뒤 필터를 적용하므로 선택적 필터에는 반복 스캔이나 전용 엔진이 필요할 수 있습니다.

Pinecone과 Qdrant 중 무엇을 선택해야 하나요?

완전 관리형 서비스와 적은 운영 부담이 사용량 기반 비용을 정당화한다면 Pinecone을 선택합니다. 오픈소스 통제권, 중첩 필터 또는 배포 유연성이 더 중요하다면 Qdrant를 선택하고, 자체 호스팅 작업이나 리소스 기반 Cloud 용량 산정 중 하나를 받아들여야 합니다.

언제 pgvector에서 전용 벡터 데이터베이스로 옮겨야 하나요?

인덱스와 파티셔닝을 조정했는데도 필터 적용 후 재현율, 지연 시간, 쓰기 부하, 인덱스 메모리 또는 데이터베이스 격리가 정해진 프로덕션 목표를 충족하지 못한다는 측정 결과가 나왔을 때 옮깁니다. 벡터 개수만으로 이전을 결정해서는 안 됩니다.

최종 추천

대부분의 개발자에게 가장 적합한 벡터 데이터베이스는 pgvector입니다. 가장 위험이 적은 아키텍처는 대개 데이터베이스 2개가 아니라 1개이기 때문입니다. 필터 검색 때문에 분리가 불가피해지면 Qdrant가 최고의 전용 오픈소스 다음 단계입니다. 데이터베이스 운영을 비용으로 해결하고 싶다면 Pinecone이 최고의 관리형 다음 단계입니다. Elasticsearch, MongoDB, Redis는 제품이 이미 사용하는 데이터 플랫폼 안에 벡터가 있어야 할 때 앞섭니다.

오래 유지할 구매 원칙은 데이터 중력 우선, 필터 적용 후 재현율 두 번째, 운영 부담 세 번째, 가격 네 번째입니다. 이 제약을 통과한 시스템만 가격을 비교합니다.

연간 플랜에 서명하기 전에 대표 워크로드를 한 번 실행합니다. 실제 벡터 차원, 가장 까다로운 권한 필터, 평상시 쿼리 속도, 최대 수집 폭주, 삭제 경로, 백업 복원, 장애 상황을 포함해야 합니다. 정해진 서비스 수준을 만족하면서 팀이 소유해야 할 시스템 수가 가장 적은 데이터베이스가 최고의 선택입니다.

AI 비즈니스 워크플로 감사 체크리스트 받기

데이터베이스를 하나 더 추가하기 전에 데이터, 권한, 동기화, 핸드오프, 운영 위험을 점검하세요.