TL;DR

Zvec는 애플리케이션 프로세스 내부에 임베딩 저장소를 직접 임베드하는 경량 벡터 데이터베이스로서 밀리초 단위 유사도 검색과 네이티브 Full-Text Search, 그리고 하이브리드 검색을 결합한 검색 기능을 제공한다. 내부적으로 dense와 sparse 벡터를 모두 지원하고 MultiQuery를 통해 벡터, 텍스트, 스칼라 필터를 단일 질의로 병합하며 대규모 처리를 위해 DiskANN 온디스크 인덱스를 도입해 메모리 사용을 줄인다. Write-Ahead Log로 데이터 내구성을 확보하고 다중 프로세스 읽기를 허용하는 구조를 갖추며 Python·Node.js와 더불어 공식 Go·Rust 바인딩과 Zvec Studio GUI를 통해 다양한 개발 환경에서 바로 적용할 수 있다.

핵심 포인트

• 인프로세스 아키텍처로 설계되어 별도의 서버나 네트워크 레이어 없이 애플리케이션 내부에 직접 임베딩 저장소를 통합할 수 있다. 이 구조는 단일 프로세스 배포에서 설정과 운영 복잡도를 낮추며 노트북이나 엣지 환경에서도 동작한다. 동시에 여러 프로세스의 읽기 접근을 허용하여 공유 읽기 시나리오에서 유용하다.
• 네이티브 Full-Text Search를 통합해 텍스트 기반 키워드 검색을 외부 검색 엔진 없이 컬렉션 수준에서 처리한다. FTS 인덱스를 벡터 필드와 같은 레벨에서 붙일 수 있어 벡터 유사도와 텍스트 매칭을 한 번의 MultiQuery로 결합할 수 있다. 이로 인해 RAG 시스템에서 텍스트 필터와 의미 기반 순위의 동시 적용이 간단해진다.
• DiskANN 온디스크 인덱스를 도입해 대규모 데이터에서 메모리 사용을 획기적으로 낮추는 옵션을 제공한다. 인덱스의 대부분을 디스크에 두고 필요한 부분만 메모리로 로드하는 방식으로 메모리 제약 환경에서 수십억 벡터를 다루는 실용성을 확보한다. 이 기능은 로컬 인프라나 리소스가 제한된 엣지에서 특히 유의미하다.
• 공식 SDK와 시각화 툴을 함께 제공하여 다양한 언어와 개발 환경에 바로 적용할 수 있다. Python과 Node.js 패키지가 제공되며 별도 리포지토리로 Go, Rust 바인딩과 Zvec Studio GUI가 존재한다. 이 생태계 구성은 빠른 프로토타이핑과 운영 전환을 용이하게 만든다.