벡터 데이터베이스 책 한 권으로 마스터하기 - 한빛미디어 벡터 데이터베이스

[전자책] 벡터 데이터베이스 - SQLite, PostgreSQL로 직접 만드는 시맨틱 검색과 RAG
니틴 보르완카르 지음, 정영균 옮김 / 한빛미디어 / 2026년 8월

"한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬받아 작성된 서평입니다."

예전의 검색은 단순했습니다. 정확한 단어를 넣으면 그 단어가 든 문서가 나왔고, 틀리게 넣으면 못 찾는 게 당연했습니다.

지금은 좀 다릅니다. 표현을 조금 다르게 써도 의도를 알아듣고, 수많은 문서와 이미지 사이에서 맥락상 가장 가까운 것을 꺼내 주기를 기대하죠. 검색에 대한 우리의 기준 자체가 올라간 셈입니다.

한빛미디어의 [벡터 데이터베이스]는 그 기대를 실제로 구현하는 기술을 개념부터 코드까지 한 줄로 이어서 설명하는 책입니다.

생성형 AI와 RAG가 빠르게 현장으로 들어오는 지금, 이 책은 새로운 데이터베이스 하나를 소개하는 데서 멈추지 않습니다. AI가 데이터를 '의미'로 다룬다는 게 무슨 뜻인지, 그걸 서비스로 만들려면 무엇을 준비해야 하는지까지 짚어 줍니다.

기술이 빨리 바뀔수록 용어를 외우는 일보다 그 기술이 풀려는 문제가 무엇인지 아는 게 중요합니다. 알고 쓰는 것과 모르고 쓰는 것은 결과가 완전히 다르니까요. 이 책은 딱 그 지점에서 출발합니다.

왜 하필 벡터일까

기존 데이터베이스와 키워드 검색은 정확한 문자열을 찾는 데 아주 강합니다. 문제는 사람의 말이 그렇게 단순하지 않다는 것이죠.

'배'가 과일인지 선박인지는 앞뒤 문맥이 정합니다. 비슷한 분위기의 이미지를 찾는 일, 단어는 다르지만 같은 주제를 다루는 문서를 찾는 일도 마찬가지고요. 사용자가 원하는 건 자기가 친 문장이 그대로 들어간 결과가 아니라, 질문의 의도에 가장 가까운 답인 경우가 많습니다.

벡터 데이터베이스는 텍스트와 이미지, 오디오 같은 비정형 데이터를 숫자 벡터로 바꾸고, 그 사이의 거리와 유사도로 의미가 가까운 정보를 찾아냅니다. 이 책은 왜 이런 변화가 필요했는지부터 차근차근 설명해서, '벡터'를 낯선 용어가 아니라 문제를 푸는 도구로 받아들이게 만듭니다.

이론과 실습 사이가 비어 있지 않다

가장 좋았던 점은 개념과 코드가 끊기지 않고 이어진다는 것입니다.

벡터 데이터베이스가 왜 필요한지, SQL·NoSQL과는 어떤 관계인지, 정형 데이터와 벡터 데이터를 함께 다루는 하이브리드 방식은 무엇인지를 먼저 정리한 뒤 임베딩과 유사도 검색으로 넘어갑니다.

실습도 계단이 자연스럽습니다. FAISS로 검색을 해 보고, SQLite3 기반의 의미 검색을 만들고, PostgreSQL의 pgvector로 arXiv 논문 검색 시스템까지 올립니다. 이어서 SQLite VSS와 Ollama를 묶은 검색 증강 생성 시스템, pgvector 기반 과학 논문 RAG 시스템, 그리고 완전한 대화형 검색 및 RAG 시스템까지 다룹니다.

덕분에 독자는 개념만 읽고 덮는 게 아니라, 데이터를 준비하고 저장한 뒤 검색 결과를 생성형 AI의 답변으로 연결하는 전 과정을 직접 따라가 보게 됩니다. 처음 보는 사람에게는 학습 순서가 되고, 이미 AI 서비스를 만져 본 사람에게는 내 프로젝트에서 뭘 빠뜨렸는지 확인하는 체크리스트가 됩니다.

결국 승부는 검색에서 납니다

이 책을 권하는 가장 큰 이유는 따로 있습니다. AI를 잘 쓰는 사람과 아닌 사람의 차이는 모델을 호출하는 능력이 아니라, 필요한 데이터를 찾아 알맞은 맥락으로 넘겨주는 능력에서 갈리기 때문입니다.

답을 잘하는 챗봇, 사내 지식을 찾아 주는 업무 도우미, 논문과 보고서를 뒤지는 서비스. 전부 믿을 만한 검색 기반이 있어야 돌아갑니다. 모델이 아무리 뛰어나도 엉뚱한 문서를 근거로 답하면 사용자는 금방 등을 돌리니까요.

그래서 이 책은 RAG를 데모 수준에서 끝내지 않습니다. 저장과 검색은 물론이고 접근 제어, 백업과 복구, 파티셔닝처럼 실제 운영에서 반드시 만나는 문제까지 함께 생각하게 만듭니다.

관계형 데이터베이스에 익숙한 개발자라면 더 반가울 겁니다. 새 도구를 무작정 들이는 대신, 쓰던 DB 안에서 벡터 기능을 붙이는 방법을 배울 수 있으니까요. 새 기술을 고를 때 필요한 기준과 현실 감각도 덤으로 따라옵니다.

읽고 나면 질문이 바뀝니다

책을 덮고 나면 'AI 서비스 한번 만들어 보고 싶다'는 막연한 말이 훨씬 구체적인 질문으로 바뀝니다.

어떤 데이터를 임베딩할 것인가. 어떤 검색 방식을 고를 것인가. 정형 조건과 의미 검색을 어떻게 섞을 것인가. 검색 결과를 답변 품질로 어떻게 연결할 것인가.

AI 개발자만의 이야기가 아닙니다. 데이터 엔지니어, 백엔드 개발자, 기술 기획자에게도 쓸모 있는 관점입니다. 기술 이름을 아는 데서 끝나지 않고, 내 업무와 제품에 어떻게 붙일지를 생각하게 만드니까요.

그리고 한 가지를 더 알게 됩니다. AI 시스템의 성능은 모델 혼자 만드는 게 아니라 데이터의 품질과 검색 구조, 사용자가 실제로 마주하는 경험이 함께 만든다는 사실 말입니다.

[벡터 데이터베이스]는 AI 시대의 새로운 검색 방식을 배우게 해 주는 책입니다. 벡터가 낯선 분께는 친절한 입문서가 되고, RAG나 생성형 AI를 이미 실험해 본 분께는 비어 있던 자리를 채워 주는 안내서가 됩니다. 복잡한 기술을 길게 나열하는 대신 왜 이 기술이 필요해졌고 어디에 쓸 수 있는지를 보여 주기 때문에 더 설득력이 있고요.

AI가 더 나은 답을 내놓게 만드는 일은, 결국 데이터를 더 정확하고 의미 있게 찾아내는 데서 시작합니다. 

그 출발점을 제대로 이해하고 구현 감각까지 챙기고 싶으시다면, 한빛미디어의 [벡터 데이터베이스] 책을 추천합니다.