전자상거래 검색
쇼핑객은 원하는 것을 자기 말로 입력합니다. 카탈로그는 의미로 검색되고, 현재 보고 있는 카테고리와 상점으로 필터링됩니다.
AI 및 LLM검색
벡터 유사도 검색
의미가 가장 가까운 항목을 태그로 필터링해, 항목 자체를 보관하는 바로 그 엔진 안에서 찾습니다.
- 인덱싱
- HNSW
- 평균 검색
- O(log N)
- 거리 지표
- 3
단계 1 / 6
인덱스 생성
차원과 지표는 인덱스마다 고정됩니다. HNSW 파라미터는 필요할 때 조정할 수 있습니다.
예시 세션playing
# 인덱스 생성
hotkv> VSIM.CREATEINDEX products 3 METRIC COSINE
OK
실제 HotKV 명령과 예시 응답으로 구성된 애니메이션 안내입니다. 원하는 단계를 클릭하면 해당 단계로 이동합니다. 명령과 응답은 HotKV에서 입력하고 보는 그대로 영어로 표시됩니다.
문제
시맨틱 검색, "비슷한 항목 더 보기", 중복 제거는 결국 하나의 질문으로 귀결됩니다. 저장된 항목 중 무엇이 이것과 가장 가까운가 하는 것입니다. 이 질문에 답하려면 보통 메인 저장소 옆에 전용 벡터 데이터베이스를 두어야 하고, 상품이 업데이트될 때마다 양쪽에 써야 합니다.
HotKV의 해결 방식
HotKV는 HNSW 벡터 인덱스를 엔진 안에 둡니다. 상품 데이터는 일반 키에 있고, 벡터는 같은 키 이름으로 인덱싱되며, 그 키의 태그로 검색을 카테고리나 테넌트 안으로 한정할 수 있습니다. 쓰기 경로도, 운영할 시스템도 하나입니다.
단계별 설명
명령 하나하나, 무슨 일이 일어나는가
- 01
인덱스 생성
차원과 지표는 인덱스마다 고정됩니다. HNSW 파라미터는 필요할 때 조정할 수 있습니다.
VSIM.CREATEINDEX products 3 METRIC COSINE - 02
상품 저장
상품 데이터는 인덱스가 사용할 키 이름 아래의 일반 해시입니다.
HSET sku:1 name "Trail runner" price 89 - 03
태그 지정
키의 태그로 벡터 검색을 카테고리 안으로 한정할 수 있습니다.
TAG.SET sku:1 shoes running - 04
벡터 인덱싱
벡터는 같은 키 이름으로 인덱스에 들어갑니다.
VSIM.SET products sku:1 0.12 0.80 0.31 - 05
태그 안에서 의미로 검색
쿼리 텍스트를 임베딩하면 해당 태그가 있는 가장 가까운 상품이 거리와 함께 반환됩니다.
VSIM.SEARCH products 3 0.10 0.82 0.29 FILTER shoes - 06
표시할 데이터 가져오기
결과는 키 이름이므로 상품 데이터는 같은 서버에서 읽기 한 번이면 가져옵니다.
HGETALL sku:1
적용 분야
실제 시나리오
중복 감지
새 지원 티켓이나 상품 등록을 기존 항목과 비교해, 사람이 보기 전에 거의 같은 항목을 병합합니다.
이미지 및 미디어 유사도
이미지 모델의 임베딩으로 라이브러리 전체에서 시각적으로 비슷한 사진이나 클립을 찾습니다.
내장 기능
제공되는 기능
HNSW 인덱스
큰 인덱스에서도 빠른 근사 최근접 이웃 검색으로, 평균 O(log N)입니다.
VSIM.CREATEINDEXVSIM.SEARCH세 가지 지표
코사인, L2, 내적을 인덱스마다 선택합니다.
METRIC태그 필터
지정한 모든 태그가 있는 키로 검색을 제한합니다.
TAG.SETFILTER영속성
인덱스는 다른 데이터와 마찬가지로 스냅샷과 AOF 재작성에 보존됩니다.
VSIM.INFO자주 묻는 질문
HotKV가 임베딩을 생성합니까?
아닙니다. 원하는 임베딩 모델로 벡터를 만들고 VSIM.SET으로 저장합니다.
RAG 파이프라인과 무엇이 다릅니까?
VSIM은 범용 벡터 인덱스입니다. RAG 파이프라인은 같은 개념 위에 문서를 위한 청킹, 메타데이터, 하이브리드 키워드 검색을 더합니다.
어떤 플랜에 포함됩니까?
벡터 검색과 태그는 핵심 명령으로, 라이선스 없이 모든 플랜에서 동작합니다.