Oracle AI Vector Search 기능
개요
벡터 데이터 유형
Oracle AI Database 26ai 사용자는 새로운 네이티브 벡터 데이터 유형을 사용해 벡터를 테이블 내에 직접 저장할 수 있습니다. 고객이 선호하는 모든 벡터 임베딩 모델에 맞는 다양한 디멘션과 형식의 벡터를 통해 애플리케이션 개발 및 배포를 간소화할 수 있습니다.
유연한 벡터 생성
ONNX 프레임워크를 사용하여 선택한 임베딩 모델을 임포트하고, 이를 사용하여 데이터에 대한 벡터를 생성하거나, 데이터베이스 API를 사용하여 NVIDIA NIM 컨테이너를 비롯한 선호하는 임베딩 서비스에서 벡터를 생성합니다. 벡터를 데이터베이스로 직접 임포트할 수도 있습니다.
데이터베이스 내 벡터 생성을 위해 사전 학습 모델을 ONNX 형식으로 임포트
벡터 쿼리를 위한 단순한 표준 SQL
간단하고 직관적인 SQL을 사용해 벡터에 대한 유사성 검색을 수행하고 동일한 쿼리 내에서 관계형, 텍스트, JSON 및 기타 데이터 유형과 벡터를 자유롭게 결합해 보세요.
AI 벡터 데이터와 비즈니스 데이터의 원활한 조합
간단하고 직관적인 SQL과 융합형 데이터베이스의 모든 기능(JSON, 그래프, 텍스트, 관계형, 공간 등)을 사용해 하나의 쿼리에 정교한 비즈니스 데이터 검색과 AI 벡터 유사성 검색을 모두 결합해 보세요.
벡터 인덱스
최대 성능을 제공하는 인메모리 인접 그래프 인덱스, 대규모 데이터 세트용 인접 파티션 인덱스 등의 매우 정확한 근사 검색 인덱스(벡터 인덱스)를 사용해 유사성 검색을 가속화합니다.
하이브리드 벡터 인덱스
전체 텍스트 검색과 의미 벡터 검색의 조합을 통해 문서를 인덱스화 및 쿼리함으로써 전체 검색 환경을 개선하고 사용자에게 보다 정확한 정보를 제공합니다.
간단한 검색 정확도 지정
고급 알고리즘 매개변수를 지정하는 데 필요한 대상 목표 검색 정확도를 퍼센트 단위로 간단히 지정합니다. 인덱스 생성 중 기본 정확도를 정의하고, 필요한 경우 검색 쿼리에서 재정의하세요.
검색 증강 생성 지원
유사성 검색과 비즈니스 데이터 검색의 조합을 통해 응답 정확성을 개선할 수 있도록 컨텍스트별 프라이빗 데이터를 제공함으로써 대규모 언어 모델(LLM) 상호 작용을 개선합니다. 보안 필터, 비즈니스 측정 지표, 비즈니스 규칙과 같은 내장된 비즈니스 기준을 사용해 검색 증강 생성(RAG)을 더욱 강화합니다.
업계 최고의 보안
Oracle AI Vector Search는 Oracle의 업계 선도적인 데이터베이스 보안 기능과 원활하게 통합되어 리스크를 최소화하고 규제 준수를 간소화합니다. 암호화, 데이터 마스킹, 권한이 부여된 사용자 액세스 제어, 활동 모니터링, 감사 등의 강력한 도구를 통해 고급 AI 검색 기능을 최대한 활용하면서도 데이터를 보호할 수 있습니다.
전체 생성형 AI 파이프라인 지원
네이티브 데이터베이스 API를 사용해 생성형 AI 파이프라인을 처음부터 끝까지 수행하면 개발자가 데이터베이스 내에서 비즈니스 데이터를 바로 사용해 차세대 AI 애플리케이션을 보다 간단히 구축할 수 있습니다.
Oracle AI Vector Search와 LlamaIndex 통합
완전한 머신 러닝 제품군과 결합된 AI Vector Search
AI 기반 벡터 검색 기능과 결합된 머신 러닝 작업(결정, 예측, 분류, 예측 등)과 관련된 광범위한 AI 사용 사례를 처리할 수 있습니다. 예를 들어, 동일한 SQL 쿼리 내에서 추론 및 분류 작업을 Oracle AI Vector Search와 간단히 결합할 수 있습니다.
Exadata 최적화
Exadata System Software 24ai 최적화를 활용해 벡터 인덱스 생성 및 검색을 가속화할 수 있습니다. Exadata가 엔터프라이즈 데이터베이스에 제공하는 고성능, 확장성, 가용성을 경험해 보세요.
Elastic Vector Memory
계층적으로 탐색 가능한 작은 세계(HNSW) 벡터 인덱스는 데이터베이스 메모리에 상주합니다. HNSW 인덱스를 생성하려면 이를 수용할 수 있는 적절한 크기의 메모리가 필요하고, 생성 후 기본 테이블을 변경하면 HNSW 인덱스의 크기가 변경될 수 있습니다. Elastic Vector Memory를 사용하면 데이터베이스 메모리의 크기가 자동으로 조정되어 모든 HNSW 인덱스를 동적으로 수용할 수 있습니다.
커스텀 벡터 거리 함수
벡터 검색 작업은 유클리드, 코사인, 도트곱과 같은 표준 거리 측정 지표를 기반으로 수행되는 경우가 많습니다. 그러나 경우에 따라서는 도메인별 측정 지표 또는 독점 측정 지표가 필요한 경우도 있습니다. 사용자는 맞춤형 벡터 거리 함수 기능으로 자신만의 측정 지표를 만들 수 있습니다.
희소 벡터 지원
희소 벡터란 일반적으로 차원의 수는 많지만 개중 일부만이 0이 아닌 값을 가지는 벡터를 의미합니다. 희소 벡터는 0이 아닌 값만 저장하므로 희소 벡터를 사용하면 효율성이 향상되고 저장 공간을 절약할 수 있습니다. PL/SQL은 희소 벡터를 기본 지원하므로 PL/SQL 내에서 직접 희소 벡터를 생성하고 사용할 수 있습니다. 또한 HNSW(Hierarchical Navigable Small World) 벡터 인덱스를 사용하여 희소 벡터를 인덱스화할 수 있으므로 속도, 정확성 및 공간 최적화의 모든 이점을 하나의 단위로 결합할 수 있습니다.