> ## Documentation Index
> Fetch the complete documentation index at: https://manual.seahorse.dnotitia.ai/llms.txt
> Use this file to discover all available pages before exploring further.
> Storage 생성 — Basic Info (이름), Inference Endpoints (Dense/Sparse/Dimension), Table Settings (HNSW 인덱스 파라미터)
# Storage create
# Storage 생성
**경로**: Console → **Storage** → 우측 상단 **Create Storage** 버튼
Storage 는 **파일 업로드 → 자동 임베딩 → 벡터 Table 생성** 을 묶어서 수행하는 단위입니다. 생성 시점에 Table 과 인덱스가 함께 자동 생성되며, 생성 후에는 설정을 **수정할 수 없습니다**.
`A dedicated table will be automatically created when you create a storage.` — Storage 를 만들면 동일 이름의 **전용 Table 이 자동 생성** 되고 Inference Endpoint · HNSW 인덱스가 그 Table 에 바인딩됩니다.
## 1. Basic Info
| 필드 | 설명 | 검증 규칙 |
| -------------------- | ---------------------------------- | ----------------------------------------------------------------------------------------------------------------------------------- |
| **Storage Name** `*` | Storage 이름 — 동일 이름의 Table 이 자동 생성됨 | **영문자 (a–z, A–Z) · 숫자 (0–9) · 하이픈(`-`) 만 허용**. 그 외 문자 입력 시 `Only letters (a-z, A-Z), numbers (0-9), and hyphens (-) are allowed` 에러 |
## 2. Inference Endpoints
업로드된 파일을 Table 에 저장할 때 사용할 임베딩 모델을 선택합니다.
| 필드 | 설명 | 기본값 · 예 |
| --------------------------------- | ----------------------------------------------- | ------------------------- |
| **Dense Embedding Endpoint** `*` | 의미 기반 검색을 위한 Dense 벡터 임베딩 모델 (드롭다운) | `qwen/qwen3-embedding-8b` |
| **Sparse Embedding Endpoint** `*` | 하이브리드 검색을 위한 Sparse 임베딩 모델 | `BM25 sparse` |
| **Dimension** `*` | 벡터 차원 — **선택한 Dense Endpoint 에서 자동 설정** (읽기 전용) | `4096` |
하단 안내: `Select the embedding models used when storing uploaded files in the Seahorse table.`
Dense + Sparse 를 함께 지정하면 [Semantic Search](/console/semantic-search) 에서 **Hybrid 모드 (RRF)** 로 Dense(의미) + Sparse(키워드) 결과를 결합할 수 있습니다.
## 3. Table Settings — Advanced Options
자동 생성될 Table 의 **HNSW 벡터 인덱스 파라미터** 입니다. **Advanced Options** 섹션을 펼쳐 조정하며, 기본값이 대부분의 용도에 적합합니다.
하단 안내: `Table schema is automatically generated with a structure optimized for file embedding. Configure HNSW vector index parameters below. Default values are suitable for most use cases.`
### Index Space `*`
벡터 간 유사도 계산 메트릭.
| 값 | 설명 |
| ---------------------- | ---------------------------------- |
| **IP (Inner Product)** | 내적 — 방향 + 크기 모두 반영. **기본값** |
| **L2** | L2 Distance (Euclidean) — 절대 거리 기반 |
| **Cosine** | 코사인 유사도 — 방향만 반영 |
(실제 선택지는 드롭다운에서 확인)
### 인덱스 파라미터
| 파라미터 | 설명 | 범위 | 기본값 |
| ------------------------ | ---------------------------------------------- | ------------ | ------- |
| **M Value** | HNSW 그래프의 노드당 연결 수. 높을수록 **정확도 ↑ · 메모리 ↑** | 10 – 1024 | `16` |
| **EF Construction** | 인덱스 구축 시 탐색 후보 수. 높을수록 **인덱스 품질 ↑ · 구축 시간 ↑** | M \~ AS Size | `128` |
| **Active Set Size** | 메모리에 동시 로드되는 벡터 개수 (LRU 캐시 크기) | 100 – 50,000 | `10000` |
| **Segmentation Buckets** | 해시 세그멘테이션 버킷 수. 대용량 데이터 병렬 처리 시 증가 — 기본은 단일 버킷 | 1 – 10 | `1` |
## 저장
하단 우측 **Save** 버튼 → Storage + 전용 Table + HNSW 인덱스가 **한 번에 생성** 됩니다. 생성 후 Storage 상세로 이동해 파일을 업로드하세요.
**생성 후 이 페이지의 모든 값은 수정할 수 없습니다.** Storage Name · Endpoint · Dimension · HNSW 파라미터를 바꾸려면 **새 Storage 를 만들어 파일을 이관** 한 뒤 기존 Storage 를 삭제해야 합니다. 자세한 내용: [Storage 기능 개요](/console/storage)
## 관련 문서
* [Storage 목록](/console/storage/storage-list)
* [Storage 상세 & 파일 업로드](/console/storage/storage-detail)
* [Semantic Search → 고급 옵션](/console/semantic-search/before-search) — 생성 시 설정한 파라미터는 검색의 Top K / EF Search 튜닝에 영향
* [Inference Endpoints (운영)](/internal/system-admin/settings/inference-endpoints) — 선택 가능한 Endpoint 는 운영자가 등록