벡터 데이터베이스 필터링 검색 성능 비교: FAISS, Qdrant, ChromaDB 및 커스텀 C++ 엔진 벤치마크

작성자가 공개한 벤치마크 결과의 성능 격차에 대해 놀라움을 표하며, 특히 필터링 검색에서의 최적화 방식에 대한 관심이 높다.

• 필터링 검색이 잦은 RAG 시스템 구축 시 FAISS나 mSEARCH와 같은 고성능 엔진 검토 권장
• Vector-Arena GitHub 리포지토리를 활용하여 본인의 데이터셋 환경에서 직접 성능 검증 수행

Vector Search

— 고차원 벡터 공간에서 쿼리 벡터와 가장 유사한 벡터를 찾아내는 기술이다. 대규모 언어 모델(LLM)이 외부 지식을 참조하는 RAG 시스템의 핵심 구성 요소로 활용된다.

Filtered Search

— 벡터 유사도 검색을 수행할 때 특정 메타데이터 조건(예: 날짜, 카테고리)을 만족하는 데이터만 결과에 포함시키는 기법이다. 실무 RAG 워크로드에서 매우 빈번하게 사용되지만 연산 오버헤드가 크다.

Recall

— 검색 시스템이 찾아야 할 정답 데이터 중 실제로 찾아낸 비율을 의미한다. 성능 측정 시 속도뿐만 아니라 정확도를 보장하기 위해 100% 재현율을 기준으로 비교하는 경우가 많다.

Throughput

— 단위 시간당 시스템이 처리할 수 있는 작업의 양을 나타내며, 벡터 검색에서는 초당 수행 가능한 검색 횟수(ops/sec)로 측정된다. 시스템의 확장성과 효율성을 판단하는 지표이다.