MyScale

MyScale는 벡터 검색을 SQL 연산으로 다룬다. 열에 벡터 인덱스를 걸고, ORDER BY 안에서 거리 함수로 행을 정렬하며, WHERE, JOIN, GROUP BY와 자유롭게 섞는다. SQL을 안다면 여기서 벡터 데이터베이스를 다루는 법도 이미 아는 셈이다.

MSTG는 MyScale 자체 인덱싱 알고리즘이며, NVMe SSD를 써서 노드당 데이터를 더 많이 담는다. 표준 구성의 약 10배 데이터 밀도에 이르고 비용에서 전용 벡터 데이터베이스를 앞선다고 회사는 말한다. 회사 벤치마크이므로 도입 전에 내 벡터로 시험해 보는 편이 좋다.

벡터와 함께 MyScale는 언어별로 조정 가능한 토크나이저가 달린 BM25 전문 인덱스를 갖춘다. 텍스트 검색을 단독으로 돌리거나 하이브리드 질의에서 벡터 결과와 섞을 수 있다. RAG에서는 이 조합이 한쪽만 쓸 때보다 좋은 구절을 더 자주 찾아낸다.

필터링 검색은 많은 벡터 데이터베이스가 약한 지점이다. MyScale는 먼저 메타데이터로 거른 뒤 남은 행을 검색하므로, 수십억 행 중 아주 일부만 남는 필터에서도 정확도가 유지된다. 실무에서는 이것이 깔끔한 결과와 느리고 흐릿한 결과를 가르는 차이다.

저장은 벡터에 그치지 않는다. MyScale는 구조화 열, JSON, 텍스트, 지리공간, 시계열 데이터를 같은 테이블에서 다룬다. 어떤 제품과 그 임베딩, 판매 이력이 나란히 놓이므로, 한 번의 질의로 AI 특성과 업무 데이터를 연결한다.

MyScale는 OpenAI, LangChain, LangChain JS/TS, LlamaIndex에 연결되며 Python, Node.js, Go, JDBC 클라이언트와 HTTPS 인터페이스를 제공한다. 대부분의 팀은 처음부터 만들지 않고 기존 파이프라인에 끼워 넣어, 이전 작업이 짧다.

Telemetry는 LLM 시스템의 관측성을 제공해 프롬프트, 응답, 검색 단계를 한곳에서 추적한다. 이것이 없으면 RAG 파이프라인 디버깅은 나쁜 답이 어디서 왔는지 추측하는 일이 되고, 있으면 모델에 들어간 검색 결과를 본다.

MyScale는 SQL 기반 역할 기반 접근 제어를 제공하고 SOC 2와 ISO 27001 준수를 밝힌다. 민감한 데이터를 다루는 팀에는 클러스터 전체를 열지 않고 제한된 권한을 주는 길이 된다.