Skip to main content

​
Table 생성

경로: “Database” > “Tables” > “Create Table” Tables 화면에는 현재 클러스터에 생성된 모든 테이블 목록이 표시됩니다.

​
기본 정보 입력

기본 정보 입력 Table 생성 폼의 첫 번째 섹션에서 기본 정보를 입력합니다 .
필드명 ( 화면 표시 )설명타입필수예시
TABLE NAME테이블의 고유 이름 길이 : 64자 제한 StringTextField필수 (*)my-table
Dense Vector EmbeddingDense Embedding은 텍스트를 고정 길이의 밀집 벡터로 변환합니다. 의미적 유사도 검색의 핵심이며, 문맥과 의미를 포착합니다.Dropdown선택DNA 2.0 *운영자 세팅에 따라 달라집니다.
Sparse EmbeddingSparse Embedding은 키워드 기반의 희소 벡터를 생성합니다. Dense와 결합하여 하이브리드 검색을 가능하게 하며, 정확한 키워드 매칭에 강점이 있습니다.Dropdown선택DNA 2.0 *운영자 세팅에 따라 달라집니다.
기본 정보 입력

​
Tablel Name

테이블의 식별 이름을 입력합니다 Validation :
  • name : 필수 입력 64자 제한
  • a-z, A-Z, 숫자, 하이픈(-) 허용
  • 하이픈 시작/종료 불가
  • 영문으로만 시작 가능
  • 이름 중복 생성 가능 : 필요시 UUID로 구분이 가능합니다.
  • 테이블 이름은 생성 후 변경할 수 없으므로 신중하게 결정하세요
  • 버전 관리가 필요하면 이름에 버전을 포함하세요 ( 예 : embeddings-v1, embeddings-v2

​
Dense Vector

Dense Embedding은 텍스트를 고정 길이의 밀집 벡터로 변환합니다. 의미적 유사도 검색의 핵심이며, 문맥과 의미를 포착합니다.

​
Sparse Vector

Sparse Embedding은 키워드 기반의 희소 벡터를 생성합니다. Dense와 결합하여 하이브리드 검색을 가능하게 하며, 정확한 키워드 매칭에 강점이 있습니다.

​
INDEX 설정 (인덱스 공간)

INDEX 설정 (인덱스 공간)
필드명 ( 화면 표시 )설명타입필수예시
INDEX SPACE벡터 간 유사도 계산 메트릭 — - l2space : L2 Distance (Euclidean, 절대 거리 ) — - ipspace : Inner Product ( 내적 , 방향 + 크기 )Dropdown필수ipspace
M VALUEHNSW 연결 밀도 — - 높을수록 정확도 증가 , 메모리 사용 증가 — - 권장값 : 16Number (10~1024)범위의 정수필수16
EF CONSTRUCTION인덱스 구축 품질 — - 높을수록 인덱스 품질 향상 , 구축 시간 증가 — - 권장값 : M Value~ Active set sizeNumber (M Value~ Active set size)필수128
ACTIVE SET SIZE메모리에 동시 로드 가능한 벡터 개수 — - 인덱스의 메모리 캐시 크기 — - LRU 방식 관리Number (100~1,000,000)필수50000
Segmentation Buckets해시 세그멘테이션 버킷 수 (기본값: 1)수 — - 데이터를 분산 저장할 버킷 수입니다. 해시 세그멘테이션을 활성화하여 대용량 데이터의 병렬 처리 성능을 향상시킵니다.Number (1~10)필수1

​
INDEX Space

  • 벡터간 유사도를 계산하는 거리 메트릭을 선택합니다 .
선택 가능한옵션 :
Index Space계산 방식범위특징적합한 데이터
l2spaceL2 Distance (Euclidean)0 ~ ∞ (0 에 가까울수록 유사 )절대 거리 계산 , 벡터 크기에 민감이미지 특징 , 좌표 데이터 , 정규화되지 않은 벡터
ipspaceInner Product ( 내적 )-∞ ~ ∞ ( 클수록 유사 )벡터 크기와 방향 모두 고려텍스트 임베딩 , 추천 시스템 , 정규화된 벡터

​
M value

  • HNSW 인덱스의 그래프 연결 밀도를 설정합니다 .
  • 의미 :각 노드가 연결할 이웃 노드의 개수
  • 범위 : 1 ~ 1024 범위의 정수
  • 권장값: 16
  • 높을수록 :정확도증가 ,메모리사용 증가 ,검색 속도 약간 감소
  • 낮을수록 :메모리사용 감소 ,정확도감소*

​
EF CONSTRUCTION (인덱스 구축 품질)

  • 인덱스 구축 시 탐색할 후보 노드 수를 설정합니다 .
  • 의미 : 인덱스 구축 시 탐색할 이웃 노드의개수
  • 범위 : M value 값 이상 ACTIVE SET SIZE 이하의 정수
  • 권장값 : 128
  • 높을수록 : 인덱스 품질 향상 , 구축 시간 증가
  • 낮을수록 : 구축 시간 감소 , 인덱스 품질 저하

​
ACTIVE SET SIZE (활성 벡터 제한)�

  • 메모리에 동시에 로드할 수 있는 벡터 개수의 최대값입니다 .
  • 의미 : diskbased 인덱스에서 메모리 캐시 크기 결정
  • 범위 : 100 이상 1,000,000 이하의 정수
  • 기본값 : 50000

​
COLUMNS ( 스키마 정의 )

테이블에 저장할 데이터의 구조를 정의합니다 . 각 컬럼의 이름 , 데이터 타입 , 제약 조건을 설정합니다. COLUMNS ( 스키마 정의 ) 각 컬럼은 다음 필드로 구성됩니다 :
필드명 ( 화면 표시 )설명타입필수예시
COLUMN ID컬럼의 고유 이름 — - 길이 : 1~64 자 — - 허용 문자 : 영문 소문자 , 숫자 , 언더스코어 (_) — - 영문으로 시작 — - 중복 불가’Duplicate column name exists.’ 메세지 발생TextField필수 (*)id, text, embedding
DATA TYPE컬럼 데이터 타입 — - string : 문자열 — - vector : 벡터 ( 부동소수점 배열 ) — - int64 : 64 비트 정수 — - double : 64 비트 부동소수점 — - boolean : 불리언Dropdown필수string, vector
Nullavle데이터 필수 여부 확인 — - Sparse Column, Dense Column 응 기준이 되는 컬럼이면 비활성화Dropdown필수false, true
DIMENSION벡터 차원 수 — - vector 타입일 때만 표시 — - 16의 배수여야함 - 범위 : 1~65536 — - 모델 출력 차원과 정확히 일치해야 함Number (1~65536)vector 타입 시 필수1024, 1536, 768
Sparse Column최대 1 개만 선택 가능 ( 라디오 버튼 동작 ) — - 체크된 컬럼이 Sparse 벡터 검색 대상Checkbox선택(embedding 컬럼 )
Dense Columnvector 타입일 때만 활성화 — - 최대 1 개만 선택 가능 ( 라디오 버튼 동작 ) — - 체크된 컬럼이 벡터 Dense 검색 대상Checkbox선택(embedding 컬럼 )
PRIMARYPrimary Key 컬럼 지정 — - string 타입일 때만 활성화 — - 최대 1 개만 선택 가능 ( 라디오 버튼 동작 ) — - 고유성 보장 , 행 식별용Checkbox권장(id 컬럼 )

​
기본 칼럼 구조

테이블 생성 시 다음 4 개 컬럼이 자동으로 생성됩니다 :
col_iddata_typedimensionis_primaryANN
idstring0true-
metadatastring0false-
textstring0false-
embeddingvector1024false체크
컬럼 동작
동작설명결과
새 컬럼 추가빈 컬럼 행 생성
Delete컬럼 삭제해당 컬럼 제거 ( 최소 1 개는 남아야 함 )
DATA TYPE 변경데이터 타입 변경 시- vector → 다른 타입 : DIMENSION 자동 0 으로 초기화 , ANN 해제 — - 다른 타입 → vector: DIMENSION 필드 표시
PRIMARY 선택다른 컬럼의 PRIMARY 체크이전 PRIMARY 자동 해제 ( 라디오 버튼 동작 )
ANN 선택다른 컬럼의 ANN 체크이전 ANN 자동 해제 ( 라디오 버튼 동작 )

​
COLUMN ID* (컬럼 이름)�

컬럼의 고유 식별이름을 입력합니다. 입력 규칙 :
  • 필수 입력 64자 제한
  • a-z, A-Z, 숫자, 하이픈(-) 허용
  • 하이픈 시작/종료 불가
  • 이름 중복 생성 가능 : 필요시 UUID로 구분이 가능합니다.
  • 영문으로만 시작 가능
  • 중복 이름 불가 ’Duplicate column name exists.’ 메세지 발생
기본 세팅 id,metadata,text,embedding

​
DATA TYPE* (데이터 타입)�

컬럼에 저장될 데이터의 타입을 선택합니다 . 선택 가능한 데이터 타입 :
Data Type설명예시 값저장 크기용도
string문자열” hello ”, “2023-10-17”가변텍스트 , ID, 메타데이터
vector벡터 ( 부동소수점 배열 )고정 ( 차원 × 4 bytes)임베딩 벡터
int6464 비트 정수123, -456, 08 bytes숫자 ID, 카운트
double64 비트 부동소수점3.14, -0.001, 1e-58 bytes실수 , 점수 , 확률
boolean불리언 ( 참 / 거짓 )true, false1 byte플래그 , 상태

​
DATA TYPE 상세 설명

​
String (문자열)

특징 :
  • 가변 길이 : 1 글자 ~ 수 MB 까지 저장 가능
  • UTF-8 인코딩 : 한글 , 중국어 , 이모지 등 모든 유니코드 지원
  • 인덱스 불가 : 벡터 검색 인덱스에는 사용할 수 없음 ( 메타데이터로만 사용 )
사용 예시: 
{
  "id": "doc_123456",
  "text": "This is an example document about machine learning.",
  "metadata": "{ \"author\": \"John\", \"category\": \"AI\" }",
  "url": "https://example.com/doc/123456"
}
  • JSON 데이터는 문자열로 저장하고 , 애플리케이션에서 파싱하세요
  • 날짜 / 시간은 ISO 8601 형식으로 저장하세요 : “2023-10-17T14:30:00Z”

​
VECTOR (벡터)�

특징 :
  • 고정 차원 : 생성 시 지정한 차원 수만 저장 가능
  • float32 정밀도 : 각 요소는 32 비트 부동소수점
  • ANN 검색 가능 : 벡터 검색 인덱스 구축 가능
DIMENSION 필드 :
  • vector 타입 선택 시 DIMENSION 입력 필드가 활성화됩니다
  • 벡터 차원 수를 입력해야 합니다 (1~65536)
화면 표시 예시 : Data Type: [vector ▼] Dimension: [1024 ] ← 입력 필수 저장 크기 계산 : 차원 수 = 1024 저장 크기 = 1024 × 4 bytes = 4096 bytes = 4 KB 차원 수 = 3072 저장 크기 = 3072 × 4 bytes = 12,288 bytes ≈ 12 KB
  • DIMENSION 은 테이블 생성 후 변경할 수 없습니다
  • DIMENSION 은 16의 배수로 설정되어야 합니다.
예시 : 올바른 예시 embedding = [0.1, 0.2, 0.3, …] # 1024 개 요소 Dimension = 1024 로 설정된 테이블에 삽입 → 성공 icon:check-square[role=green] 잘못된 예시 embedding = [0.1, 0.2, 0.3, …] # 768 개 요소 Dimension = 1024 로 설정된 테이블에 삽입 → 오류 icon:times-square[role=red]

​
INT64 (64비트 정수)�

특징 :
  • 범위 : -9,223,372,036,854,775,808 ~ 9,223,372,036,854,775,807
  • 정수만 저장 : 소수점 없음
  • 고정 크기 : 8 bytes
사용 예시: 
{
  "doc_id": 123456,
  "view_count": 1024,
  "user_age": 25,
  "timestamp": 1697547600
}
  • ID 가 숫자인 경우 int64 사용 권장 (string 보다 효율적 )
  • 카운트 , 순위 , 타임스탬프 등에 적합

​
DOUBLE (64비트 부동소수점)�

특징 :
  • 범위 : ±1.7E±308 (15~17 자리 정밀도 )
  • 소수점 저장 : 실수 값
  • 고정 크기 : 8 bytes
사용 예시 : “price”: 49.99, ” similarity _score ”: 0.9523, “latitude”: 37.5665, “probability”: 0.0001234
  • 통화 , 점수 , 좌표 등에 적합
  • 매우 작은 값이나 큰 값도 저장 가능

​
BOOLEAN (불리언)�

특징 :
  • 값 : true 또는 false
  • 고정 크기 : 1 byte
사용 예시 : ” is _published ”: true, ” is _deleted ”: false, ” has _embedding ”: true
  • 플래그 , 상태 표시에 적합
  • 필터링 조건으로 자주 사용됨

​
DIMENSION (벡터 차원 수)�

vector 타입 컬럼에서만 활성화되는 필드로 , 벡터의 차원 수를 지정합니다 . 표시 조건 :
  • Data Type = vector 일 때만 표시됨
  • Data Type ≠ vector 이면 자동으로 숨겨지고 값이 0 으로 초기화됨
화면 동작 예시 : 초기 상태 : Data Type: [string ▼] Dimension: ( 숨김 ) vector 선택 시 : Data Type: [vector ▼] Dimension: [____] ← 활성화 , 입력 필수 string 으로 다시 변경 : Data Type: [string ▼] Dimension: ( 숨김 , 자동으로 0 설정 ) 입력 범위 :
  • 최소값 : 1
  • 최대값 : 65536
  • 권장값 : 사용하는 임베딩 모델의 출력 차원과 동일
  • 벡터 DIMENSION 값은 반드시 16의 정수로 설정되어야 합니다.

​
ANN COLUMN (ANN 검색 인덱스 컬럼)�

주로 검색에 사용될 벡터 컬럼을 지정합니다 . 표시 조건 :
  • Data Type = vector 일 때만 체크박스 활성화
  • Data Type ≠ vector 이면 비활성화
제약 조건 :
  • 최대 1 개만 선택 가능 : 라디오 버튼처럼 동작
  • vector 타입 컬럼만 선택 가능
  • 선택 사항 : 현재 버전에서는 필수가 아님
ANN 컬럼의 역할 :
  • 벡터 검색 인덱스 구축 대상
  • 시맨틱 검색 시 사용되는 벡터
  • ANN 컬럼은 주로 검색에 사용될 벡터를 지정합니다
  • 일반적으로 embedding 컬럼을 ANN 컬럼으로 설정합니다
  • ANN 컬럼으로 지정하지 않은 vector 컬럼도 저장은 가능하지만 검색 인덱스는 구축되지 않습니다
  • 현재 버전에서는 ANN 컬럼 선택이 선택사항입니다’
  • 벡터 검색을 사용하려면 반드시 ANN 컬럼을 지정해야 합니다

​
PRIMARY Column (기본 키)��

각 행을 고유하게 식별하는 컬럼을 지정합니다 . 표시 조건 :
  • Data Type = string 일 때만 체크박스 활성화
  • Data Type ≠ string 이면 비활성화
제약 조건 :
  • 최대 1 개만 선택 가능 : 라디오 버튼처럼 동작
  • string 타입 컬럼만 선택 가능
  • 권장 : 정확히 1 개의 PRIMARY 컬럼 설정
  • 고유성 보장 : 중복된 값을 가질 수 없음
  • 행 식별 : UPDATE, DELETE 작업 시 사용
  • 인덱스 자동 생성 : 빠른 조회 가능
역할 :
  • 고유성 보장: 중복된 값을 가질 수 없음
  • 행 식별: UPDATE, DELETE 작업 시 사용
  • 인덱스 자동 생성: 빠른 조회 가능
  • 자원이 부족한 경우 테이블 생성이 불가 할 수 있습니다. 자원 확인은 운영자의 확인이 필요합니다.
  • 벡터 값이 16의 배수가 아닌 경우 테이블 생성이 불가합니다.