Zilliz가 VLDB Workshop 2021에 참석했습니다.
2021년 데이터베이스 산업의 주요 혁신은 무엇인가요?
올해 8월, Zilliz는 Harvard University, Carnegie Mellon University, Tsinghua University, Microsoft 및 여러 기관과 함께 데이터베이스 시스템에 머신러닝 방법을 적용한 최신 연구 진전과 성과를 공유하기 위해 VLDB Workshop 2021에 초청받았습니다. Zilliz의 선임 연구원인 Dr. Xiaomeng Yi는 Milvus라는 오픈 소스 벡터 데이터베이스의 개발 과정에서의 개발 배경, 설계 아이디어, 과제 및 기술 혁신을 소개했습니다.
VLDB, SIGMOD, ICDE는 데이터베이스 분야에서 가장 권위 있는 세 학회로 알려져 있습니다. 최근 Zilliz 연구팀의 연구 결과인 Milvus: A Purpose Built Vector Data Management System은 Milvus의 뛰어난 기반 기능과 비즈니스 시나리오에서의 완벽한 적용으로 인해 SIGMOD에 선정되어 올해 21편의 논문 중 하나로 포함되었습니다.
매일 전 세계는 방대한 양의 데이터를 생성하며, 그중 80% 이상은 처리하기 어려운 비정형 데이터입니다. 기존 데이터베이스가 구조화된 데이터만 저장할 수 있는 반면, Milvus 엔지니어 팀은 데이터 유형과 관계없이 모든 데이터를 의미론적 수준에서 벡터로 일관되게 표현할 수 있다는 가설을 제시했습니다. Dr. Yi는 AI 신경망 모델을 사용하여 데이터의 의미를 추출하고 이를 벡터로 일관되게 표현한다면, 많은 데이터의 처리 로직을 벡터 수준에서 직접 실행할 수 있다고 언급했습니다.
Milvus는 대규모 특징 벡터의 분석과 검색을 위해 특별히 설계되었습니다. 벡터 데이터의 업데이트, 인덱싱 및 유사도 검색을 위한 완전한 프레임워크를 제공하며, 이는 스트리밍 데이터에서 실시간으로 수행될 수 있을 뿐만 아니라 실제 비즈니스 시나리오의 다양한 검색 요구 사항도 충족합니다. 현재까지 Milvus는 1.0과 2.0 두 가지 버전을 출시했습니다. Milvus의 소스 코드는 GitHub에 완전히 오픈 소스로 공개되어 있으며 인공지능의 최첨단 분야에서 널리 사용되고 있습니다. 전 세계 1,000명의 사용자에 의해 테스트된 결과, 그 성능은 동종 제품을 크게 능가합니다.
VLDB
공유 세션에서 Dr. Yi는 Milvus 2.0의 설계 개념인 클라우드 네이티브, log-as-data, 통합 배치 및 스트림 처리를 소개했습니다. 이전 버전을 기반으로 Milvus 2.0은 사용자에게 지능적이고 안정적이며 원활한 검색 경험을 제공합니다.
데이터베이스 개발에서 인덱스 선택과 데이터 튜닝이라는 두 가지 주요 과제에 직면하여, Dr. Yi는 AI가 최적의 솔루션으로 가는 문을 열 수 있다고 믿습니다. 예를 들어, 새로운 구성은 먼저 작은 데이터셋에서 테스트하고 평가한 다음, 큰 데이터셋으로 이전할 수 있습니다. 머신러닝을 사용하여 기존 데이터셋을 분석하고 새로운 데이터셋의 구성을 안내함으로써 현재 BOHB 알고리즘보다 더 나은 성능을 달성할 수 있습니다.
Dr. Xiaomeng Yi(Ph.D. of Computer Architecture, Huazhong University of Science and Technology)는 Zilliz의 선임 연구원이자 연구팀 리더입니다. 그의 연구는 고차원 데이터 관리, 대규모 정보 검색, 분산 시스템의 자원 할당에 집중되어 있습니다. Dr. Yi의 연구 성과는 IEEE Network Magazine, IEEE/ACM TON, ACM SIGMOD, IEEE ICDCS, ACM TOMPECS를 포함한 주요 저널 및 국제 학회에 게재되었습니다.
계속 읽기
How to Choose the Best Embedding Model for RAG in 2026: 10 Models Benchmarked
We benchmarked 10 embedding models on cross-modal, cross-lingual, long-document, and dimension compression tasks. See which one fits your RAG pipeline.
3 Easiest Ways to Use Claude Code on Your Mobile Phone
Run Claude Code from your phone with Remote Control, Happy Coder, or SSH + Tailscale. Comparison table, setup steps, and tools for typing, memory, and parallel tasks.
Context Engineering Strategies for AI Agents: A Developer’s Guide
Learn practical context engineering strategies for AI agents. Explore frameworks, tools, and techniques to improve reliability, efficiency, and cost.