Repolode
제출하기
epsilla-cloud

epsilla-cloud/vectordb

Epsilla는 메타데이터 필터링, 하이브리드 검색, LLM 검색 연동을 지원하는 임베딩 유사도 검색용 오픈 소스 C++ 벡터 데이터베이스입니다.

대체할 수 있는 제품:Pinecone

GitHub에서 보기웹사이트
스타
874
포크
45
열린 이슈
17
마지막 커밋
18일 전

어떤 프로젝트인가요?

Epsilla는 임베딩 벡터를 대상으로 확장성과 고성능을 갖춘 유사도 검색에 초점을 맞춘 오픈 소스 벡터 데이터베이스입니다. 벡터를 익숙한 데이터베이스, 테이블, 필드 개념 안에서 또 하나의 필드 유형으로 다루므로, 개발자는 임베딩과 함께 구조화된 레코드를 저장할 수 있습니다.

핵심 엔진은 C++로 작성되었으며 벡터 인덱싱에 병렬 그래프 탐색을 사용합니다. 프로젝트 측은 정밀도 99.9% 이상에서 HNSW보다 검색 속도가 약 10배 빠르다고 설명합니다. 메타데이터 필터링, 밀집 벡터와 희소 벡터를 결합하는 하이브리드 검색, 텍스트를 바로 삽입하고 쿼리할 수 있는 내장 임베딩 기능을 지원합니다.

데이터베이스는 REST API를 제공하는 Docker 컨테이너로 실행되며 Python, JavaScript, Ruby 클라이언트를 지원합니다. Docker 없이 실행되는 실험용 Python 바인딩도 제공하고 LangChain 및 LlamaIndex와 연동됩니다. 관리형 클라우드 버전도 이용할 수 있습니다.

핵심 기능

  • 01프로덕션 규모의 임베딩 벡터 유사도 검색.
  • 02일반 데이터베이스 테이블 안에 필드 유형으로 저장하는 벡터.
  • 03벡터 쿼리와 결합하는 메타데이터 필터링.
  • 04밀집 벡터와 희소 벡터를 결합하는 하이브리드 검색.
  • 05자연어를 바로 삽입하고 쿼리할 수 있는 내장 임베딩.
  • 06Python, JavaScript, Ruby 클라이언트 및 REST API.

활용 사례

  • 문서용 벡터 스토어가 필요한 검색 증강 생성 파이프라인.
  • 텍스트, 이미지 또는 기타 임베딩 콘텐츠에 대한 시맨틱 검색.
  • LLM 애플리케이션에 장기 메모리 검색 기능 추가.
  • 하나의 데이터베이스에서 구조화된 필터와 유사도 검색 결합.

빠른 시작

  1. 1

    Epsilla 백엔드 Docker 이미지를 가져옵니다

    docker pull epsilla/vectordb
  2. 2

    Docker에서 포트 8888로 백엔드를 실행합니다

    docker run --pull=always -d -p 8888:8888 -v /data:/data epsilla/vectordb
  3. 3

    Python 클라이언트를 설치합니다

    pip install pyepsilla
  4. 4

    Python 클라이언트로 연결한 뒤 README의 샘플 코드를 실행합니다

사용 전 알아둘 점

  • Docker를 사용하지 않는 Python 라이브러리 모드는 실험 단계로 표시되어 있으며, 소스에서 빌드해야 합니다.

토픽

#vector-database#vector-search#embeddings#rag#semantic-search#c-plus-plus#llm#ai#chatgpt#data

자주 묻는 질문

vectordb은(는) 무엇인가요?
Epsilla는 메타데이터 필터링, 하이브리드 검색, LLM 검색 연동을 지원하는 임베딩 유사도 검색용 오픈 소스 C++ 벡터 데이터베이스입니다. Epsilla는 임베딩 벡터를 대상으로 확장성과 고성능을 갖춘 유사도 검색에 초점을 맞춘 오픈 소스 벡터 데이터베이스입니다. 벡터를 익숙한 데이터베이스, 테이블, 필드 개념 안에서 또 하나의 필드 유형으로 다루므로, 개발자는 임베딩과 함께 구조화된 레코드를 저장할 수 있습니다.
vectordb은(는) 무료로 사용할 수 있나요? 라이선스는 무엇인가요?
vectordb은(는) Apache-2.0 라이선스의 오픈소스입니다. 상업용 제품에 사용하기 전에 라이선스 조건을 확인하세요.
vectordb은(는) 아직 유지보수되고 있나요?
활발히 유지보수 중. vectordb의 마지막 커밋은 2026년 10월 4일입니다.
vectordb은(는) 어디에 사용할 수 있나요?
문서용 벡터 스토어가 필요한 검색 증강 생성 파이프라인. 텍스트, 이미지 또는 기타 임베딩 콘텐츠에 대한 시맨틱 검색. LLM 애플리케이션에 장기 메모리 검색 기능 추가. 하나의 데이터베이스에서 구조화된 필터와 유사도 검색 결합.
vectordb는 어떻게 설치하나요?
Epsilla 백엔드 Docker 이미지를 가져옵니다: docker pull epsilla/vectordb Docker에서 포트 8888로 백엔드를 실행합니다: docker run --pull=always -d -p 8888:8888 -v /data:/data epsilla/vectordb Python 클라이언트를 설치합니다: pip install pyepsilla Python 클라이언트로 연결한 뒤 README의 샘플 코드를 실행합니다
vectordb은(는) 어디서 받을 수 있나요?
소스 코드와 설치 방법은 GitHub에 있습니다: https://github.com/epsilla-cloud/vectordb

요약은 프로젝트 README를 바탕으로 AI가 작성했습니다. GitHub 통계는 매일 갱신됩니다.

관련 프로젝트