Vector Database 핵심 기능 — Pinecone 인덱스
Vector Database 핵심 기능
Pinecone에서 벡터는 인덱스(Index) 라는 단위로 관리돼요. 인덱스가 벡터 저장·검색의 컨테이너 역할을 하므로, 인덱스 구조를 이해하는 게 벡터 DB 사용의 첫걸음이에요.
인덱스란
인덱스는 벡터를 담고 ANN 검색을 수행하는 최상위 컨테이너예요. 인덱스 생성 시 차원 수(dimension)와 유사도 지표(metric)를 지정해요.
from pinecone import Pinecone
pc = Pinecone(api_key="YOUR_API_KEY")
pc.create_index(
name="example-index",
dimension=1536,
metric="cosine",
spec={"serverless": {"cloud": "aws", "region": "us-west-2"}},
)
dimension: 임베딩 벡터의 차원 수 (모델 출력과 일치해야 함)metric:cosine,dotproduct,euclidean중 선택
벡터와 네임스페이스
인덱스 안 벡터는 id와 메타데이터를 가져요. namespace로 데이터를 분리하면 같은 인덱스에서도 집합별로 검색할 수 있어서, 테스트·프로덕션·테넌트 구분에 편리해요.
서버리스 vs 파드
Pinecone은 serverless와 pod-based 두 가지 배포 방식이 있어요. 서버리스는 사용량 기반이고, 파드 기반은 용량을 지정해서 운영하는 방식이에요. 예산·동시성에 따라 선택하면 돼요.