최종 발표

시나리오 정리

• 연구 배경

  • RAG 시스템에서 vectorDB의 낮은 요구사항 요구 latency
  • VectorDB의 indexing 종류
    • IVF, HNSW, DISKANN
    • vector quantazation
  • VectorDB 의 서비스레벨에서 필요 spec
    • HNSW 기준으로 1M vector의 필요한 memory intensive 강조
    • persistent를 위한 잦은 Disk IO
  • 클라우드 서비스의 특성
    • on-premise상의 연구들
      • local NVME 사용
      • 단일 host 실험
    • multi tanent 기반 인프라
      • multi instance 기반 가용성 제공
      • Attachable storage 특성 및 bottleneck

• 문제 정의 

  • Cloud 환경에서, realtime OLTP vectorDB 탐구

• 탐구한 접근 방법

  • hnsw 알고리즘의 memory burst issue 해결 방안
  • diskann 알고리즘 확인
    • 상주 메모리 요구가 적음
    • hnsw보다 큰 인덱싱 비용
    • cloud 방에서 disk Latency로 인한 index 처리시간 불리

• 실험 및 결과

• 연구 배경

• 문제 정의 

• 탐구한 접근 방법

• 실험 및 결과