Vector Search 및 전용 검색 노드: 현재 일반 공개

Elliott Gluck
December 4, 2023 | Updated: February 2, 2024

드디어 Atlas Vector Search와 검색 노드의 일반 공개(GA) 릴리스를 통해 Atlas 플랫폼의 가치를 업그레이드하는 다음 단계를 준비할 수 있게 되어 기쁘게 생각합니다.

공개 프리뷰에서 Atlas Vector Search와 Search Nodes가 포함된 전용 인프라를 발표한 이후, 벡터에 최적화된 검색 노드를 사용한 추가 워크로드에 대한 기대와 수요가 계속되고 있습니다. 이 새로운 수준의 확장성과 성능 덕분에 워크로드를 격리하고 벡터 검색 사용 사례에 대한 리소스를 보다 잘 최적화할 수 있습니다.

Atlas Vector Search를 사용하면 개발자는 모든 데이터 유형에 대해 시맨틱 검색 및 생성형 AI를 기반으로 하는 지능형 애플리케이션을 구축할 수 있습니다. Atlas Vector Search는 사용자가 무엇을 찾고 있는지 모르는 경우에도 관련성 높은 결과를 제공하는 문제를 해결하고, 머신 러닝 모델을 사용하여 거의 모든 유형의 데이터에 대해 유사한 결과를 찾아냅니다. Retool의 AI 현황 보고서에 따르면 Atlas Vector Search는 공개 프리뷰 버전이 발표된 지 불과 5개월 만에 이미 가장 높은 개발자 순 추천지수(NPS)를 받았으며, 다른 사람에게 솔루션을 추천할 가능성을 측정하는 지표로 두 번째로 널리 사용되는 벡터 데이터베이스가 되었습니다.

MongoDB로 AI 기반 앱을 구축하는 방법에 대해 자세히 알아보려면 AI 리소스 페이지를 참조하세요.

차세대 애플리케이션을 구축하기 위해 Atlas Vector Search를 사용하는 두 가지 주요 사용 사례가 있습니다.

  1. 시맨틱 검색: 의미 유사성을 기반으로 비정형 데이터에서 관련 결과를 검색 및 찾기

  2. 검색 증강 생성(RAG): 자체 실시간 데이터 피드를 통해 LLM의 놀라운 추론 기능을 강화하여 비즈니스의 특정 요구에 맞게 맞춤화된 GenAI 앱 구축

Atlas Vector Search는 정형 또는 비정형 데이터에 관계없이 데이터의 잠재력을 최대한 활용하여 AI 및 LLM의 인기도와 사용량 증가를 통해 중요한 비즈니스 과제를 해결합니다. 이는 Vector Search가 유연한 문서 데이터 모델과 일관된 단일 경험을 제공하는 통합 API로 시작되는 MongoDB Atlas 개발자 데이터 플랫폼의 일부이기 때문에 가능합니다. Atlas Vector Search에서 최대한의 가치를 실현할 수 있도록 지원하기 위해, 개발자가 선호하는 LLM 또는 프레임워크로 빌드할 수 있도록 견고한 AI 통합 에코시스템을 구축했습니다.

Atlas Vector Search에 대해 자세히 알아보려면 짧은 비디오를 시청하거나 튜토리얼을 확인해보세요.

Atlas Vector Search는 새로운 검색 노드 전용 아키텍처를 활용하므로 특정 워크로드 요구사항에 적합한 수준의 리소스를 보다 잘 최적화할 수 있습니다. 검색 노드는 Atlas Search 및 Vector Search 워크로드를 위한 전용 인프라를 제공하여 컴퓨팅 리소스를 최적화하고 데이터베이스와는 별개로 검색 요구 사항을 완전히 확장할 수 있습니다. 검색 노드는 향상된 성능을 대규모로 제공하여 워크로드 격리, 더 높은 가용성, 리소스 사용을 보다 잘 최적화하는 기능을 제공합니다. 검색 노드의 동시 쿼리를 활용하여 일부 사용자의 워크로드에 대한 쿼리 시간이 60% 더 빨라진 경우도 있었습니다.

공개 프리뷰 버전에서 제공했던 연산량이 많은 검색 노드 외에도, 이번 GA 릴리스에는 프로덕션 환경에서 Vector Search에 가장 적합한 메모리 최적화된 낮은 CPU 옵션이 포함되어 있습니다. 따라서 리소스 경합이나 그로 인한 서비스 중단 가능성(이전에는 데이터베이스와 검색이 동일한 인프라를 공유했기 때문에 발생)은 이제 과거의 일이 되었습니다.

"우리는 이것을 Atlas Search와 Vector Search 모두에 대한 아키텍처의 차세대 발전으로 보고 MongoDB 개발자 데이터 플랫폼이 제공하는 가치를 더욱 향상시킵니다. 현재 검색 노드는 AWS 단일 리전 클러스터에서 사용할 수 있으며(Google Cloud 및 Azure는 곧 제공 예정), 고객은 Google Cloud 및 Microsoft Azure의 공유 인프라를 계속 사용할 수 있습니다."

검색 노드를 활성화하는 방법에 대한 단계를 보려면 초기 발표 블로그 게시물을 읽어보거나 튜토리얼을 확인해보세요.

이 두 기능 모두 현재 프로덕션 환경에서 사용할 수 있습니다. 여러분이 어떤 제품을 만들지 정말 기대됩니다. 궁금한 점이 있으면 문의해 주세요.

Both of these features are available today for production usage. We can’t wait to see what you build, and please reach out to us with any questions.

← Previous

Vector Search e nodi di ricerca vettoriale dedicati: ora in General Availability

Siamo entusiasti di compiere un ulteriore passo avanti nel potenziare ulteriormente la piattaforma Atlas con il rilascio (GA) sia di Atlas Vector Search che di Search Nodes. Da quando abbiamo annunciato Atlas Vector Search e l'infrastruttura dedicata con Search Nodes in public preview, abbiamo riscontrato un costante interesse e una richiesta di carichi di lavoro aggiuntivi che utilizzano nodi di ricerca ottimizzati per vettori. Questo nuovo livello di scalabilità e prestazioni garantisce l'isolamento del carico di lavoro e la capacità di ottimizzare meglio le risorse per i casi d'uso della ricerca vettoriale. Atlas Vector Search consente agli sviluppatori di creare applicazioni intelligenti basate sulla ricerca semantica e sull'AI generativa su qualsiasi tipo di dati. Atlas Vector Search risolve la sfida di fornire risultati pertinenti anche quando gli utenti non sanno cosa stanno cercando e utilizza modelli di apprendimento automatico per trovare risultati simili per quasi tutti i tipi di dati. A soli cinque mesi dall'annuncio della public preview, Atlas Vector Search ha già ricevuto il più alto net promoter score (NPS) degli sviluppatori - una misura della probabilità che qualcuno raccomandi una soluzione a qualcun altro - ed è il secondo database vettoriale più utilizzato, secondo il rapporto State of AI di Retool . Consulta la nostra pagina delle risorse sull'intelligenza artificiale per saperne di più sulla creazione di app basate sull'intelligenza artificiale con MongoDB. Due sono gli use case per la creazione di applicazioni di nuova generazione con Atlas Vector Search: Ricerca semantica: ricerca di risultati rilevanti da dati non strutturati in base alla somiglianza semantica Retrieval augmented generation (RAG): aumenta le incredibili capacità dei LLM con feed di dati personali in tempo reale per creare app GenAI personalizzate in base alle esigenze della tua azienda. Atlas Vector Search sblocca tutto il potenziale dei tuoi dati, sia strutturati che non strutturati, sfruttando l'aumento della popolarità e dell'utilizzo dell'intelligenza artificiale e LLM per risolvere le problematiche aziendali più critiche. Questo è possibile perché Vector Search fa parte della developer data platform MongoDB Atlas, che inizia con il nostro data model doc flessibile e l'API unificata che offre un'esperienza coerente. Per assicurarti di ottenere il massimo valore da Atlas Vector Search, abbiamo coltivato un solido ecosistema di integrazioni con l'intelligenza artificiale, che consente agli sviluppatori di utilizzare i loro LLM o framework preferiti. Per saperne di più su Atlas Vector Search, guarda questo breve video o passa direttamente al tutorial . Atlas Vector Search sfrutta anche la nostra nuova architettura di Search Nodes dedicata, che consente una migliore ottimizzazione del giusto livello di risorse per le esigenze di carichi di lavoro specifici. I nodi di ricerca forniscono un'infrastruttura dedicata ai carichi di lavoro di Atlas Search e Vector Search , consentendo di ottimizzare le risorse di calcolo e di scalare completamente le esigenze di ricerca indipendentemente dal database. I nodi di ricerca offrono migliori prestazioni su scala, garantendo l'isolamento dei carichi di lavoro, una maggiore disponibilità e la possibilità di ottimizzare l'uso delle risorse. In alcuni casi abbiamo riscontrato tempi di query più rapidi del 60% per i carichi di lavoro di alcuni utenti, grazie alla query simultanea nei nodi di ricerca. Oltre ai nodi di ricerca più pesanti dal punto di vista del calcolo che abbiamo fornito in public preview, questa release GA include un'opzione ottimizzata per la memoria a bassa CPU che è ottimale per vector Search in produzione. In questo modo la contesa delle risorse e la possibilità di un'interruzione del servizio (dovuta al fatto che il database e la ricerca condividono la stessa infrastruttura) non sono più un problema. "Riteniamo che questa sia la prossima evoluzione della nostra architettura sia per Atlas Search che per Vector Search, e che aumenti il valore offerto dalla developer data platform MongoDB. Al momento i nodi di ricerca sono disponibili su cluster AWS a singola regione (con Google Cloud e Azure in arrivo), mentre i clienti possono continuare a utilizzare l'infrastruttura condivisa di Google Cloud e Microsoft Azure." Leggi il nostro blog post per scoprire come attivare i nodi di ricerca oggi stesso, oppure passa direttamente al tutorial . Entrambe le funzionalità sono disponibili da oggi per l'uso in produzione. Siamo ansiosi di ammirare le tue creazioni e ti invitiamo a contattarci per qualsiasi domanda.

December 4, 2023
Next →

데일리샷, MongoDB Atlas로 스마트 주류 검색 서비스를 혁신하다

주류 시장에 불어온 새로운 바람 일부 전통주를 제외하고 오프라인 판매만 가능했던 한국 주류 시장은 2020년 온라인 판매 규제가 개정되면서 새로운 전환점을 맞이했습니다. 앱으로 언제 어디서나 원하는 주류를 주문할 수 있는 스마트 오더 서비스는 한국 소비자가 즐겨 찾는 새로운 주류 구매 방식으로 자리 잡으며 일상 전반에 편리함을 가져왔습니다. 데일리샷(Dailyshot) 은 이러한 변화를 선도적으로 이끌며 주류 경험의 새로운 기준을 정립한 국내 1위 온라인 주류 플랫폼입니다. 2020년 하반기 발빠르게 서비스를 시작한 데일리샷은 앱 기반 주류 스마트 오더 서비스를 통해 누구나 프리미엄 주류를 둘러보고 합리적인 가격으로 구매하며 매장이나 택배 등 선호하는 방식으로 수령할 수 있는 플랫폼을 제공하고 있습니다. 데이터 관리와 비즈니스 구현에 대한 고민 소비자의 주류 구매 과정 전반에서 접근성을 높일 방법을 고민하던 데일리샷은 비즈니스 성장에 따라 앱 내 검색 기능을 고도화하고 방대한 상품 종류와 픽업지 데이터를 효과적으로 관리하기 위한 전문적인 기술이 필요했습니다. 가령 고객과 가까운 동네나 주류 픽업을 희망하는 지역을 선택하기 위해서는 필터 기능이 필수적입니다. 그러나 데일리샷이 기존 사용하던 인메모리(in-memory) 데이터베이스의 Geospatial 기능은 간단한 필터링을 지원하지 않아 추가적인 서버 자원이 소모되며 비용 증가와 API 응답 지연을 야기했습니다. 또한 데일리샷의 기존 프레임워크 상에서 상품 검색을 위한 MySQL의 full-text search 기능을 사용할 수 없어 추가 리소스를 도입해야 했습니다. 상세한 검색결과를 얻기 위해서는 브랜드나 상품명, 전통주, 와인과 같은 주종, 카테고리 등 다양한 요소를 고려한 데이터 구조를 구축해야 합니다. 그러나 스타트업의 특성 상 추가 리소스를 부담하면서 full-text search를 위한 관리 구조를 만들 인력도 녹록치 않은 상황이었습니다. 데일리샷은 세계 각국의 다양한 주류를 제공하고 있기에 주문 및 픽업 방식 역시 다양합니다. 같은 상품이라도 해외 직구, 직접 픽업 등 고객의 주문 방식에 따라 옵션이 다르기 때문에 관리해야 하는 데이터가 많고 복잡합니다. 기존 사용 중인 RDBMS에서 이 같이 다양한 옵션을 아우르는 상품 테이블을 종합하는 것은 비용과 시간 모두 상당한 자원 낭비를 가져왔으며, 고객에게 데이터를 제공하기까지 상당한 시간이 소요됐습니다. 데일리샷이 제공하는 주류 픽업 및 상품 검색 서비스 성공적인 검색 서비스 고도화를 위한 여정 서비스와 고객경험 개선을 위해 고민하던 데일리샷은 기존 사용 중인 AWS를 기반으로 MongoDB Atlas를 도입했습니다. 먼저 데일리샷은 MongoDB Atlas에서 바로 컬렉션과 쿼리를 생성해 필터링을 위한 Geospatial 기능을 간편하게 구현하며 지연시간을 기존 0.3-0.5에서 0.1초로 최소화하고, MongoDB Atlas Search로 full-text search를 위한 준비를 빠르게 마칠 수 있었습니다. 최희재 데일리샷 CTO는 “다른 경쟁 서비스들과 비교하며 고심한 결과, 학습 곡선이나 유지 보수 효율성 측면에서 MongoDB Atlas Search가 우세했다”며 “MongoDB Atlas Search는 기존 사용하던 MySQL의 full-text search와 차이가 있지만 MongoDB가 제공하는 상세 가이드라인을 기반으로 쉽게 적용할 수 있었다. 기능 개발부터 서비스 배포까지 전 과정을 불과 2주만에 완료하며 고객들에게 빠르게 신기능을 선보일 수 있었다”고 강조했습니다. 최희재 CTO는 특히 MongoDB의 full-text search 기능이 검색을 위한 인덱스 구성이 쉽고 MongoDB Atlas Dashboard나 MongoDB Compass와 같은 GUI(Graphical User Interface)로 구성할 수 있다는 점을 매력 요소로 꼽았습니다. 데일리샷은 추후 Atlas Search를 서비스 전반에 도입해 퍼지 검색(fuzzy search), 자동 완성(autocomplete) 등 다양한 검색 관련 기능에 접목할 계획입니다. 독보적인 주류 경험을 제공하는 기업으로 성큼 나아가다 MongoDB Atlas 및 MongoDB Atlas Search 도입 후 데일리샷의 고객경험은 눈에 띄게 개선됐습니다. 원하는 검색 결과를 얻지 못하는 검색 실패율이 더욱 낮아졌고, Voice of Customer(VoC)를 통한 검색 관련 기술 요구 사항의 90%를 해결할 수 있었습니다. 또한 MongoDB 도입 후 RDB 인프라 자원의 사용이 줄어들면서 비용의 20% 절감할 수 있었습니다. 최희재 CTO는 “MongoDB Korea가 제공하는 양질의 기술은 물론 문제 발생 시 빠르고 정확하게 대응할 수 있도록 지원하는 점이 인상 깊었다”며 성공적인 MongoDB 도입에는 무엇보다 MongoDB Korea 팀의 적극적인 지원이 뒤따랐다고 강조했습니다. 이어 “기술 측면에서 MongoDB Atlas Dashboard로 간편한 모니터링과 slow 쿼리를 프로파일링 할 수 있었고, MongoDB Compass 앱을 통해 쿼리를 작성하고 테스트하며 실제 코드 적용까지의 전 과정을 신속하게 진행할 수 있었다. MongoDB에 익숙지 않는 개발자에게는 자세한 설명을 담은 기술 문서가 큰 도움이 됐다”고 덧붙였습니다. 데일리샷은 다양한 데이터를 아우르는 고도화된 검색 기능을 제공하면서 고객의 긍정적인 반응을 체감했고, 향후 유연한 insert 조건을 갖춘 MongoDB를 통해 로그 및 시각화를 구현하고 Atlas Vector Search로 더욱 개선된 검색 기능을 구축할 계획입니다. 지속적인 서비스 혁신을 통해 데일리샷은 2024년 기준 월간 활성 사용자수(MAU) 67만 명, 누적 앱 설치 수 150만 건을 기록하며 서비스 시작 3년만에 한국 최대 주류 플랫폼으로서 입지를 공고히 다지고 있습니다. 최희재 CTO는 “데일리샷은 단순히 주류를 구매할 수 있는 플랫폼에 그치지 않고 주류 시장 전반에 긍정적인 영향을 끼치는 기업이 되는 것이 목표”라며 “MongoDB와의 지속적인 협력을 바탕으로 고객의 다양한 니즈를 반영한 선도적인 서비스로 업계와 함께 성장하는 선순환 구조를 만들 것"이라며 포부를 드러냈습니다.

May 3, 2024