TL;DR

LatticeDB는 Zig로 작성한 독립형 임베디드 그래프 데이터베이스이자 CLI 도구로, 전체 데이터를 하나의 파일에 저장하고 별도 서버 없이 동작합니다. Cypher 한 계층에서 관계 탐색, HNSW 벡터 유사도 검색, BM25 전문 검색을 조합하므로 로컬 Graph RAG와 지식 도구의 저장·검색 계층을 단순화할 수 있습니다. WAL 기반 내구성, ACID 트랜잭션, 백업, changefeed와 Python·TypeScript·Go·C API를 제공하지만 single-writer와 단일 머신 제약이 있습니다. 네트워크 기반 다중 클라이언트, 분산 확장, 완전한 Cypher와 성숙한 운영 도구가 필요하면 Neo4j나 PostgreSQL 같은 대안을 선택하는 편이 적합합니다.

핵심 포인트

• 독립형 임베디드 데이터베이스이자 CLI 도구로, Zig로 작성되어 별도 서버 없이 한 파일에 그래프와 검색 데이터를 저장합니다. Python, TypeScript, Go, C API 바인딩을 제공하므로 애플리케이션에 직접 포함할 수 있습니다. 특정 프레임워크 플러그인이나 MCP 서버가 아니라 로컬 애플리케이션용 저장 엔진입니다.
• 그래프 탐색, HNSW 벡터 검색, BM25 전문 검색을 하나의 Cypher 쿼리 계층에서 연결합니다. 임베딩으로 찾은 Chunk에서 문서와 저자까지 관계를 따라가고 텍스트 조건을 함께 적용하는 방식입니다. Graph RAG, agent memory, 로컬 지식 도구처럼 관계와 검색을 동시에 사용하는 기능에 적합합니다.
• WAL 기반 ACID 트랜잭션과 crash recovery를 사용하며, durable named streams와 graph changefeed도 동일한 트랜잭션 경로에 기록합니다. hot backup, 연속 백업, point-in-time 복원, in-memory 모드, 데이터베이스 바이트 직렬화를 지원합니다. 다만 한 머신의 단일 소유 프로세스와 single-writer 모델을 전제로 하므로 여러 애플리케이션의 동시 쓰기나 클러스터링에는 맞지 않습니다.
• Apple M1 단일 스레드 벤치마크에서 node lookup은 0.13 μs, 1M개 128차원 벡터의 10-NN 검색은 평균 0.83 ms와 Recall@10 100%를 기록했습니다. 100개 문서 BM25 검색은 19 μs였고, 100K 노드 그래프의 2-hop traversal은 38.7 μs였습니다. 수치는 프로젝트 자체 벤치마크이며 일부 경쟁 제품 비교는 다른 하드웨어와 방법론의 외부 자료를 사용하므로 도입 전 동일 조건 재측정이 필요합니다.

벤치마크