pgvector: 정책 행과 벡터를 함께 관리하기

✎ 이 문서 수정하기 GitHub에서 수정

pgvector는 PostgreSQL 안에 벡터 검색을 추가한다. Bookway의 정책 메타데이터, 권한, 적용 시점이 이미 관계형 DB에 있다면, 별도 벡터 서비스와 동기화하는 부담을 줄일 수 있다. DB를 공유하는 대신 검색 부하가 주문 트랜잭션에 미치는 영향은 분리해야 한다.

스키마와 정확 검색

아래 SQL은 pgvector 확장이 설치된 개발 DB의 작은 예제이다. 실제 문서 임베딩은 더 큰 차원이며 여기서는 3차원 합성 벡터를 사용한다.

CREATE EXTENSION IF NOT EXISTS vector;
CREATE TABLE bookway_policy_chunks (
    id bigint GENERATED ALWAYS AS IDENTITY PRIMARY KEY,
    tenant_id text NOT NULL,
    policy_version text NOT NULL,
    source_id text NOT NULL,
    body text NOT NULL,
    embedding vector(3) NOT NULL
);
INSERT INTO bookway_policy_chunks
    (tenant_id, policy_version, source_id, body, embedding)
VALUES
    ('bookway', 'policy-v3', 'returns-v3#1',
     'Synthetic return-policy excerpt', '[1,0,0]');

SELECT source_id, body, embedding <=> '[0.9,0.1,0]' AS distance
FROM bookway_policy_chunks
WHERE tenant_id = 'bookway' AND policy_version = 'policy-v3'
ORDER BY embedding <=> '[0.9,0.1,0]'
LIMIT 5;

<=>는 코사인 거리이다. 실제 앱에서는 query vector, tenant, version을 DB 드라이버의 바인딩 값으로 전달한다. SQL 문자열에 사용자 입력을 이어 붙이지 않는다. tenant는 인증 결과에서 결정한다.

근사 검색으로 바꿀 때

기본 정확 검색은 기준선이 된다. 데이터가 커져 HNSW, IVFFlat을 추가하면 응답 시간뿐 아니라 필터 후 recall을 다시 평가한다. ANN에서 필터링과 후보 탐색이 결합되는 방식에 따라 허용된 결과가 부족해질 수 있다.

거리 연산과 인덱스 operator class를 맞추고 EXPLAIN (ANALYZE, BUFFERS)로 실제 실행 계획을 본다. pgvector 버전의 iterative scan 지원도 확인한다. 단순히 인덱스 생성 성공을 검색 품질의 근거로 삼지 않는다.

권한과 운영 분리

Row Level Security를 적용할 수 있지만 정책, DB role, connection pool의 tenant context를 정확히 구성해야 한다. 테이블 소유자나 우회 권한으로 접속하면 기대한 격리가 적용되지 않을 수 있다. 앱 필터와 DB 권한을 함께 테스트한다.

정책 갱신은 원문, 벡터, 버전을 transaction으로 정합성 있게 반영할 수 있다. 다만 외부 embedding API 호출은 DB transaction과 하나의 원자적 작업이 아니므로 staging → embedding 완료 → 게시 순서가 필요하다.

검색용 replica나 전용 DB를 두고 backup, PITR, vacuum, 연결 수, 메모리를 운영한다. replica lag가 새 정책 게시에 미치는 영향도 확인한다. 삭제 시 원문 행뿐 아니라 Redis 캐시와 trace 보존 정책도 연결한다.

pgvector 공식 문서 / Qdrant와의 선택 기준 / 출시 계약