<?xml version="1.0" encoding="utf-8"?><?xml-stylesheet href="https://blog.aladin.co.kr/blog/rss/rssUserXSL.aspx" type="text/xsl" media="screen"?><rss version="2.0"><channel><title>Jude님의 서재 (Jude 서재)</title><link>https://blog.aladin.co.kr/gn0408</link><language>ko-kr</language><description /><copyright /><generator>Aladdin RSS(Alss) v0.9</generator><lastBuildDate>Tue, 17 Nov 2026 11:50:11 +0900</lastBuildDate><image><title>Jude</title><url>https://image.aladin.co.kr/img/blog2/manage/profileimg.jpg</url><link>https://blog.aladin.co.kr/gn0408</link><width>100</width><height>100</height><description>Jude</description></image><item><author>Jude</author><category>마이리뷰</category><title>임베딩과 벡터 검색부터 RAG까지! - [벡터 데이터베이스 - SQLite, PostgreSQL로 직접 만드는 시맨틱 검색과 RAG]</title><link>https://blog.aladin.co.kr/gn0408/17527716</link><pubDate>Sun, 20 Sep 2026 20:34:00 +0900</pubDate><guid isPermaLink="false">https://blog.aladin.co.kr/gn0408/17527716</guid><description><![CDATA[<table width="100%" height="30" border="0" align="center" cellpadding="0" cellspacing="0"><tr><td width="14"><img src="https://image.aladin.co.kr/img/blog/trans.gif" width="14"></td><td width="85"><a href="http://www.aladin.co.kr/shop/wproduct.aspx?ISBN=K642130550&TPaperId=17527716" target="_blank"><img src="https://image.aladin.co.kr/product/40109/76/coveroff/k642130550_1.jpg" width="75" border="0" class="box1"></a></td><td valign="top"><A href="http://www.aladin.co.kr/shop/wproduct.aspx?ISBN=K642130550&TPaperId=17527716" target="_blank" style="color:#386DA1;font-weight:bold">벡터 데이터베이스 - SQLite, PostgreSQL로 직접 만드는 시맨틱 검색과 RAG</a><br/>니틴 보르완카르 지음, 정영균 옮김 / 한빛미디어 / 2026년 08월<br/></td></tr></table><br/>한빛미디어 서평단 &lt;나는리뷰어다&gt; 활동을 위해서 책을 협찬 받아 작성된 서평입니다.<br>요즘 개발 관련 공부를 하다 보면 AI, 임베딩, 벡터 검색, RAG 같은 용어를 자주 접하게 되는데, 각각의 개념을 대략적으로 알고 있더라도 실제로 이 기술들이 어떤 흐름으로 연결되는지는 제대로 이해하기가 쉽지 않았습니다. 특히 기존에는 Oracle이나 MySQL 같은 관계형 데이터베이스를 주로 접해왔기 때문에 ‘벡터 데이터베이스’라는 개념은 조금 낯설게 느껴졌습니다.
『벡터 데이터베이스』는 이런 벡터 데이터베이스의 개념을 단순하게 설명하는 것에서 끝나는 책이 아니라, 임베딩이 무엇인지부터 시작해서 벡터를 저장하고 유사도를 비교하고, 실제 검색에 활용하는 과정까지 단계적으로 설명한다는 점이 좋았습니다.
특히 벡터 데이터베이스가 왜 필요한지부터 이해할 수 있도록 구성되어 있어서 단순히 새로운 데이터베이스 기술 하나를 배우는 느낌보다는, 기존의 키워드 검색과 의미 기반 검색이 어떻게 다른지 생각해볼 수 있었습니다.
예를 들어 사용자가 검색창에 입력한 문장과 데이터에 저장되어 있는 문장이 정확히 같은 단어를 포함하고 있지 않더라도, 의미적으로 비슷한 데이터를 찾아낼 수 있다는 개념이 흥미로웠습니다. 이런 방식이 AI 서비스나 추천 시스템, 문서 검색, 챗봇 등에 어떻게 활용되는지도 자연스럽게 연결해서 이해할 수 있었습니다.
또한 SQLite3와 PostgreSQL을 활용하고 FAISS, pgvector, Ollama 등의 기술을 함께 다루기 때문에 특정 벡터 데이터베이스 제품의 사용법만 배우는 것이 아니라 벡터 검색을 구현하기 위해 어떤 기술들이 사용되고 서로 어떤 역할을 하는지 살펴볼 수 있다는 점도 장점이라고 느꼈습니다.
개인적으로 가장 관심 있게 본 부분은 RAG였습니다. 최근 AI 서비스를 찾아보면서 RAG라는 용어를 자주 봤지만, 단순히 ‘검색해서 AI에게 전달하는 방식’ 정도로만 알고 있었는데, 이 책을 통해 데이터를 임베딩하고 → 벡터 형태로 저장하고 → 유사한 데이터를 검색하고 → 검색된 정보를 활용해 LLM이 답변을 생성하는 전체적인 흐름을 다시 정리해볼 수 있었습니다.
다만 벡터 데이터베이스나 AI 관련 용어가 어느 정도 등장하기 때문에 완전히 개발을 처음 시작하는 입문자에게는 조금 어렵게 느껴질 수도 있을 것 같습니다. 기본적인 프로그래밍이나 데이터베이스에 대한 경험이 있다면 기존에 알고 있던 개념과 연결하면서 읽기 좋을 것 같았습니다.
저처럼 기존 데이터베이스에는 어느 정도 익숙하지만 벡터 데이터베이스나 임베딩, RAG는 아직 낯선 개발자라면 AI 시대에 데이터가 어떻게 검색되고 활용되는지 공부하는 데 도움이 될 만한 책이라고 생각합니다.
AI 서비스 개발을 공부하면서 벡터 검색과 RAG가 실제로 어떤 구조로 동작하는지 전체적인 흐름을 이해하고 싶은 분들에게 추천하고 싶은 책입니다. 📚<br>]]></description><image><url>https://image.aladin.co.kr/product/40109/76/cover150/k642130550_1.jpg</url><link>https://www.aladin.co.kr/shop/wproduct.aspx?ItemId=401097650</link></image></item></channel></rss>