Qdrant 데이터 관리
Qdrant 데이터 관리 (manage-data)
Qdrant에서 데이터를 어떻게 구조화하고, 저장하고, 정리하는지 알아볼게요. 이 페이지들은 개별 레코드(record)와 그 레코드를 표현하는 벡터부터, 컬렉션, 페이로드, 그리고 데이터가 저장되고 검색되는 방식을 제어하는 인덱싱·양자화 옵션에 이르기까지 Qdrant의 핵심 구성 요소들을 다뤄요.
Qdrant의 에이전트 스킬 카탈로그: https://skills.qdrant.tech/ 문서 검색: https://skills.qdrant.tech/search?query=your+query+here 모든 페이지를 둘러보려면: https://qdrant.tech/llms.txt
Points
Point는 Qdrant에서 데이터의 가장 기본적인 단위예요. 각 point는 하나의 벡터와 선택적인 페이로드로 구성된 레코드예요.
Vectors
Vector는 데이터가 벡터 공간에서 어떻게 표현되는지를 정의해요. 밀집(dense), 희소(sparse), 멀티벡터(multivector) 구성을 지원해요.
Payload
Payload는 point에 붙일 수 있는 구조화된 메타데이터예요. 필터링과 풍부해진 검색 결과를 가능하게 해 줘요.
Collections
Collection은 동일한 벡터 구성을 공유하는 point들의 이름 붙은 그룹이에요. Qdrant에서 최상위 수준의 조직 단위 역할을 해요.
Storage
Storage는 Qdrant가 벡터와 페이로드 데이터를 어떻게 영속화하는지를 설명해요. 세그먼트 구조와 인메모리 vs 온디스크 옵션을 다뤄요.
Indexing
Indexing은 사용할 수 있는 인덱스 유형(페이로드, 벡터, 희소, 필터 가능)을 다루고, 이들이 검색과 필터링을 어떻게 가속화하는지 설명해요.
Quantization
Quantization은 벡터를 압축해 메모리 사용량을 줄여요. 스칼라(scalar), 곱(product), 바이너리(binary) 양자화 옵션이 있어요.
Multitenancy
Multitenancy는 단일 Qdrant 배포 안에서 여러 사용자 또는 테넌트 간에 데이터를 격리하는 전략을 설명해요.
Bulk Upload
Bulk Upload는 배치(batching), 병렬화(parallelization), 인덱스 구성을 포함해 대용량 데이터셋을 효율적으로 수집하는 전략을 다뤄요.
더 알아보기 (Learn more)
- Qdrant docs - Manage Data
- 점(Points), 벡터(Vectors), 페이로드(Payload), 컬렉션(Collections) 등 각 주제의 상세 문서는 위 링크에서 확인할 수 있어요.