|
|||||||||||||||||
| 2022 – 현재: 성신여자대학교 컴퓨터공학과 조교수 2020 – 2022: 고려대학교 미래네트워크연구소 연구교수 2020: 고려대학교 컴퓨터학 박사 2012: 고려대학교 컴퓨터학 학사 |
|||||||||||||||||
| 생성형 AI와 대규모 언어모델(LLM)의 확산과 함께 RAG(Retrieval-Augmented Generation) 기술이 기업 AI 응용의 핵심 패러다임으로 자리 잡으면서, 고차원 벡터 임베딩의 효율적 저장 및 검색을 위한 벡터 데이터베이스의 중요성이 급격히 증대되고 있다. 단일 서버 기반 벡터 데이터베이스로는 수십억 개 이상의 벡터를 처리하는 현대적 RAG 워크로드의 확장성 및 가용성 요구를 충족하기 어려워짐에 따라, Milvus, Qdrant, Weaviate 등 분산 벡터 데이터베이스 시스템들이 등장하여 샤딩(sharding), 레플리케이션(replication), 그리고 분산 인덱싱 기법을 통해 수평적 확장성을 제공하고 있다. 본 강연에서는 분산 벡터 데이터베이스의 아키텍처 설계 원칙과 주요 구현 방식을 살펴보고, 특히 노드 간 벡터 검색 과정에서 발생하는 통신 오버헤드와 네트워크 병목 현상을 분석하며, 벡터 검색의 정확도-지연시간 트레이드오프 및 분산 환경에서의 일관성 보장 등의 고려사항들을 논의하고 최신 관련 연구동향을 소개한다. | |||||||||||||||||
|
|
|||||||||||||||||
|
|||||||||||||||||
후원기관 광고영상
more