원클릭의 간편함으로 Milvus 벡터 데이터베이스 관리하기
이 글은 Zhen Chen이 작성하고 Lichen Wang이 번역했습니다.
Zilliz는 빠르게 증가하는 비정형 데이터 처리 수요에 직면한 사용자들을 지원하는 데 전념해 온 선구자입니다. Zilliz는 이제 대규모 프로덕션 시나리오를 위해 설계된 AI 지향 벡터 데이터베이스 시스템인 Milvus 2.0 전용 그래픽 사용자 인터페이스 - Attu - 를 오픈소스로 공개했습니다. 이 글에서는 Attu와 Milvus 2.0을 사용하여 벡터 유사도 검색을 수행하는 방법을 단계별로 보여드리고자 합니다.
Attu (/ ˈætu /)는 Aleutian Islands의 서쪽 끝에 있는 섬입니다. 이 무인 영역은 모험 정신을 상징합니다.
사용의 극도의 단순함을 제공하는 Milvus CLI와 비교하여, Attu는 더 많은 기능을 제공합니다:
- Windows OS, macOS, Linux OS용 설치 프로그램;
- Milvus를 더 쉽게 사용할 수 있는 직관적인 GUI;
- Milvus의 주요 기능 범위;
- 맞춤형 기능 확장을 위한 플러그인;
- Milvus 인스턴스를 더 쉽게 이해하고 관리할 수 있는 완전한 시스템 토폴로지 정보.
설치
Attu의 최신 릴리스는 GitHub에서 찾을 수 있습니다. Attu는 다양한 운영 체제용 실행 가능한 설치 프로그램을 제공합니다. 이는 오픈소스 프로젝트이며 누구나 기여할 수 있습니다.
Attu 설치 프로그램 및 소스 코드.
Docker를 통해 Attu를 설치할 수도 있습니다.
docker run -p 8000:3000 -e HOST_URL=http://{ attu IP }:8000 -e MILVUS_URL={milvus server IP}:19530 zilliz/attu:latest
attu IP는 Attu가 실행되는 환경의 IP 주소이고, milvus server IP는 Milvus가 실행되는 환경의 IP 주소입니다.
Attu를 성공적으로 설치한 후, 인터페이스에 Milvus IP와 Port를 입력하여 Attu를 시작할 수 있습니다.
Attu로 Milvus 연결하기.
기능 개요
Attu 개요 페이지.
Attu 인터페이스는 Overview 페이지, Collection 페이지, Vector Search 페이지, System View 페이지로 구성되며, 각각 왼쪽 탐색 창의 네 개 아이콘에 해당합니다. Overview 페이지는 로드된 컬렉션을 보여줍니다. 반면 Collection 페이지는 모든 컬렉션을 나열하고 로드되었는지 또는 해제되었는지를 표시합니다.
Attu Collection 페이지.
Vector Search 및 System View 페이지는 Attu의 플러그인입니다. 플러그인의 개념과 사용법은 블로그의 마지막 부분에서 소개됩니다.
Vector Search 페이지에서 벡터 유사도 검색을 수행할 수 있습니다.
Attu Vector Search 페이지.
System View 페이지에서는 Milvus의 토폴로지 구조를 확인할 수 있습니다.
Attu System View 페이지.
노드를 클릭하여 각 노드의 상세 정보도 확인할 수 있습니다.
Attu Node view 페이지.
데모
테스트 데이터셋으로 Attu를 살펴보겠습니다.
다음 테스트에 사용된 데이터셋은 GitHub repo에서 확인하세요.
먼저, 다음 네 개의 필드를 가진 test라는 이름의 컬렉션을 생성합니다:
- Field Name: id, 기본 키 필드
- Field Name: vector, 벡터 필드, float vector, Dimension: 128
- Field Name: brand, 스칼라 필드, Int64
- Field Name: color, 스칼라 필드, Int64
Attu로 컬렉션 생성하기.
컬렉션이 성공적으로 생성된 후 검색을 위해 컬렉션을 로드합니다.
Attu로 컬렉션 로드하기.
이제 Overview 페이지에서 새로 생성된 컬렉션을 확인할 수 있습니다.
Attu로 컬렉션 확인하기.
테스트 데이터셋을 Milvus로 가져옵니다.
Attu로 데이터 가져오기.
Attu로 데이터 가져오기.
Attu로 데이터 가져오기.
Overview 또는 Collection 페이지에서 컬렉션 이름을 클릭하여 쿼리 인터페이스로 들어가 가져온 데이터를 확인합니다.
필터를 추가하고, 표현식 id != 0을 지정한 다음, Apply Filter를 클릭하고 Query를 클릭합니다.
Attu로 데이터 쿼리하기.
엔티티의 50개 항목이 모두 성공적으로 가져와진 것을 확인할 수 있습니다.
쿼리 결과.
벡터 유사도 검색을 시도해 봅시다.
search_vectors.csv에서 벡터 하나를 복사하여 Vector Value 필드에 붙여넣습니다. 컬렉션과 필드를 선택합니다. Search를 클릭합니다.
Attu로 데이터 검색하기.
그런 다음 검색 결과를 확인할 수 있습니다. 어떤 스크립트도 컴파일하지 않고도 Milvus로 쉽게 검색할 수 있습니다.
검색 결과.
마지막으로 System View 페이지를 확인해 봅시다.
Milvus Node.js SDK에 캡슐화된 Metrics API를 사용하면 시스템 상태, 노드 관계 및 노드 상태를 확인할 수 있습니다.
Attu의 독점 기능인 System Overview 페이지에는 완전한 시스템 토폴로지 그래프가 포함되어 있습니다. 각 노드를 클릭하면 해당 상태를 확인할 수 있습니다(10초마다 새로 고침).
Attu의 Milvus 노드 토폴로지 그래프.
각 노드를 클릭하여 Node List View로 들어갑니다. coord 노드의 모든 하위 노드를 확인할 수 있습니다. 정렬을 통해 CPU 또는 메모리 사용량이 높은 노드를 빠르게 식별하고, 시스템의 문제를 찾아낼 수 있습니다.
Milvus 노드 목록.
더 알아보기
앞서 언급했듯이 Vector Search 및 System View 페이지는 Attu의 플러그인입니다. 사용자가 자신의 애플리케이션 시나리오에 맞게 Attu에서 자체 플러그인을 개발하는 것을 권장합니다. 소스 코드에는 플러그인 코드를 위해 특별히 만들어진 폴더가 있습니다.
Vector Search 및 System View 페이지는 Attu의 플러그인입니다.
플러그인을 구축하는 방법을 배우려면 어떤 플러그인이든 참조할 수 있습니다. 다음 config 파일을 설정하면 플러그인을 Attu에 추가할 수 있습니다.
Attu에 플러그인 추가.
자세한 지침은 Attu GitHub Repo 및 Milvus Technical Document를 참조할 수 있습니다.
Attu는 오픈 소스 프로젝트입니다. 모든 기여를 환영합니다. Attu에 문제가 있었다면 file an issue할 수도 있습니다.
Attu가 Milvus 사용 시 더 나은 사용자 경험을 제공할 수 있기를 진심으로 바랍니다. 또한 Attu가 마음에 들거나 사용에 대한 피드백이 있다면, 이 Attu User Survey를 작성하여 더 나은 사용자 경험을 위해 Attu를 최적화하는 데 도움을 줄 수 있습니다.
계속 읽기
A Few Notes from Databricks Data + AI Summit 2026: Why the Data Layer Matters Again
James Luan shares notes from Databricks Data + AI Summit 2026 on why production AI is pushing the data layer back to the center of infrastructure.
Zilliz Cloud BYOC Now Available Across AWS, GCP, and Azure
Zilliz Cloud BYOC is now generally available on all three major clouds. Deploy fully managed vector search in your own AWS, GCP, or Azure account — your data never leaves your VPC.
The Real Bottlenecks in Autonomous Driving — And How AI Infrastructure Can Solve Them
Autonomous driving faces a data bottleneck. Learn how AI-native vector databases like Zilliz solve scale, cost, and insight challenges across AV pipelines.