RAG 벡터 DB 선택 2026 — pgvector·Pinecone·Qdrant, 색인은 2,000차원에서 막힌다
이미 Postgres 를 쓰고 있으면 pgvector 부터 본다. 다만 저장은 16,000차원까지인데 HNSW 색인은 2,000차원까지라 모델을 먼저 고르면 되돌아온다. Pinecone 은 쿼리 1건이 namespace 1GB당 1 RU 라 데이터가 커질수록 단가가 오른다.
RAG용 벡터 DB를 고르는 자리에서 보통 Pinecone·Qdrant·Weaviate를 나란히 놓고 비교한다. 그런데 이미 Postgres를 쓰고 있다면 그 비교는 두 번째 질문이다. 먼저 답할 것은 「pgvector로 안 되는 이유가 있나」이고, 대부분의 사내 문서 RAG는 그 이유가 없다.
결론부터 적는다.
- 이미 Postgres가 있으면 pgvector부터. 확장 하나를 켜는 일이고, 기본 동작이 정확 검색(완전 재현율)이다. 「근사 검색인데 왜 빠지지?」라는 문제가 처음부터 없다.
- 🔴 pgvector의 숫자 두 개가 다르다. 저장은 16,000차원까지인데 HNSW 색인은
vector타입 2,000차원까지다. 이걸 모르고 3,000차원 모델을 고르면 색인 단계에서 막힌다. - 🔴 Pinecone의 쿼리 단가는 데이터가 커질수록 오른다. 과금 규칙이 「namespace 1GB당 1 RU」라서, 같은 질문도 데이터가 10GB면 10배다. 월 요금제가 아니라 이 공식이 비용을 정한다.
- Qdrant는 단가가 공개돼 있지 않다. 시간당 과금이라고만 적혀 있고 vCPU·메모리·스토리지 단가는 계산기를 열어야 나온다 — 비교표에 채울 수 없는 칸이 생긴다.
아래 숫자는 2026-11-18에 공식 가격 페이지·문서·README를 직접 읽은 것이다.
먼저 pgvector — 켜는 비용이 0에 가깝다
pgvector는 Postgres 확장이다(Postgres 13 이상). 별도 서버도, 별도 백업 정책도, 별도 권한 모델도 생기지 않는다. 사내 문서 RAG에서 이게 제일 큰 값이다 — 벡터 DB를 따로 두면 「누가 어느 문서를 열 수 있나」를 두 곳에서 관리해야 한다.
기본 동작이 정확 검색이라는 점도 실무에서 크다.
기본적으로 pgvector는 정확 최근접 탐색을 수행하며, 이는 완전한 재현율을 제공한다. 색인을 추가하면 근사 최근접 탐색을 쓰게 되는데, 이는 재현율의 일부를 속도와 교환한다.
즉 색인은 나중에 붙이는 최적화다. 문서 수천 건 규모에서는 색인 없이 시작해도 되고, 그러면 「검색이 왜 가끔 틀리지?」라는 종류의 디버깅이 아예 없다.
거리 연산자는 여섯 개가 있다.
| 연산자 | 거리 | 쓰는 자리 |
|---|---|---|
<=> | 코사인 | 문서 임베딩 기본값 |
<-> | L2(유클리드) | 좌표·수치 벡터 |
<#> | 음의 내적 | 정규화된 벡터에서 코사인 대체 |
<+> | L1(맨해튼) | 희소·카운트 벡터 |
<~> | 해밍 | 이진 벡터(bit) |
<%> | 자카드 | 이진 벡터(bit) |
🔴 저장 16,000차원 / 색인 2,000차원 — 이 둘을 같은 숫자로 읽으면 막힌다
README의 참조 절은 타입별 최대 차원을 이렇게 적는다.
| 타입 | 저장 최대 | HNSW 색인 최대 | IVFFlat 색인 최대 |
|---|---|---|---|
vector | 16,000차원 | 2,000차원 | 2,000차원 |
halfvec | 16,000차원 | 4,000차원 | 4,000차원 |
bit | (최대 미기재) | 64,000차원 | 64,000차원 |
sparsevec | 비영 원소 16,000개 | 비영 원소 1,000개 | (미지원) |
읽는 순서를 바꿔 적으면 — 모델을 먼저 고르고 DB를 나중에 보면 여기서 되돌아온다. 2,000차원을 넘는 임베딩을 쓸 계획이면 vector 타입으로는 HNSW·IVFFlat 둘 다 못 건다. 선택지는 halfvec(4,000까지)으로 바꾸거나 차원을 줄이는 것이다.
우리가 한국어 RAG 임베딩·리랭커에서 기본값으로 쓴 BAAI/bge-m3는 차원 1,024라 이 한계에 걸리지 않는다. 한국어 사내 문서 RAG를 pgvector로 가는 조합이 깔끔한 이유가 여기에도 있다.
색인을 붙일 때 한 가지 더 — HNSW는 그래프가 maintenance_work_mem에 들어갈 때 훨씬 빨리 빌드된다고 적혀 있다. 다만 같은 문서가 「서버 메모리를 소진할 정도로 높게 잡지 말라」고 덧붙인다. 도커로 돌린다면 --shm-size도 그만큼 올려야 병렬 HNSW 빌드에서 에러가 안 난다.
NULL 벡터와 (코사인 거리의) 영벡터는 색인되지 않는다. 파싱이 실패해 빈 임베딩이 들어간 행은 조용히 검색에서 빠진다 — 적재 단계에서 걸러야 하는 자리다. 문서 파싱 쪽은 Docling 문서 파싱에 정리해 뒀다.
Pinecone — 요금제보다 과금 공식이 비용을 정한다
Pinecone은 서버리스로 통일됐고, 가격 페이지의 요금제는 넷이다.
| 요금제 | 가격 | 저장 | 쓰기 한도 | 읽기 한도 | 인덱스 | 특징 |
|---|---|---|---|---|---|---|
| Starter | 무료 | 2GB까지 | 월 200만 WU | 월 100만 RU | 5개까지 | AWS us-east-1 전용 · 프로젝트 1 · 사용자 2 |
| Builder | 월 $20 고정 | — | — | — | — | 한도 초과는 과금이 아니라 차단 · 이그레스 10GB |
| Standard | 월 최소 $50 | 무제한 $0.33/GB | 100만당 $4~4.50 | 100만당 $16~18 | 무제한 | 3주 체험 $300 크레딧 · 이그레스 100GB 포함 |
| Enterprise | 월 최소 $500 | 무제한 $0.33/GB | 100만당 $6~6.75 | 100만당 $24~27 | 무제한 | HIPAA 애드온 월 $190(6개월 최소) |
표에서 바로 눈에 걸리는 것 하나 — Enterprise의 단가가 Standard보다 비싸다. 읽기 100만당 $16~18 대 $24~27이다. 상위 요금제가 더 싼 단가를 준다는 통념과 반대이므로, 「Enterprise로 올리면 단가가 내려간다」를 전제로 예산을 짜면 틀린다.
그런데 더 중요한 것은 요금제가 아니라 읽기·쓰기 단위를 세는 공식이다. 문서가 이렇게 적는다.
| 동작 | 과금 단위 |
|---|---|
| 쿼리 | namespace 크기 1GB당 1 RU, 쿼리당 최소 0.25 RU |
| Fetch | 레코드 10건당 1 RU |
| List | 1 RU (ID 최대 100개 반환) |
| Upsert | 요청 1KB당 1 WU, 요청당 최소 5 WU |
쿼리 비용이 namespace 크기에 비례한다는 뜻이다. 같은 질문 100만 건을 던질 때, namespace가 1GB면 100만 RU(Standard 기준 $16~18)이고 10GB면 1,000만 RU($160~180)다. 문서를 더 넣는 행위가 검색 단가를 올린다.
그래서 설계 결정이 하나 생긴다 — namespace를 부서·문서종류로 쪼개면 쿼리 단가가 내려간다. 전사 문서를 한 namespace에 넣고 메타데이터로 필터링하는 구조는 구현이 단순한 대신 비용이 선형으로 자란다. Starter가 namespace를 인덱스당 100개 주는 것도 같이 읽을 값이다.
임베딩·리랭킹도 같은 페이지에 단가가 있다.
| 모델 | 단가 |
|---|---|
| llama-text-embed-v2 | 100만 토큰당 $0.16 |
| multilingual-e5-large | 100만 토큰당 $0.08 |
| pinecone-sparse-english-v0 | 100만 토큰당 $0.08 |
| 리랭킹(pinecone-rerank-v0 · bge-reranker-v2-m3) | 1,000요청당 $2 |
| cohere-rerank-4-fast | 1,000 rerank 단위당 $2 |
⚠️ 문서 두 곳이 서로 다르다. 가격 페이지는 Starter의 임베딩 포함량을 모델당 월 500만 토큰으로 적는데, 레이트 리밋 문서는 2026-11-04부터 12-31까지 Starter에 모델당 월 1,000만 토큰을 준다고 적는다. Starter의 리랭킹 모델 목록도 두 페이지가 어긋난다. 한도를 전제로 설계할 거면 레이트 리밋 문서 쪽을 기준으로 잡고, 기한이 있는 혜택임을 기억해 두는 편이 안전하다.
Qdrant — 비교표에 채울 수 없는 칸이 생긴다
Qdrant Cloud의 무료 티어는 「Free forever」로 적혀 있고 사양이 명시된다 — 0.5 vCPU / 1GB RAM / 4GB 디스크, 단일 노드. 선택 모델에 대한 무료 클라우드 추론이 포함된다. 수면·만료 조건은 적혀 있지 않다.
유료 쪽이 문제다. Standard는 「사용량 기반」, Premium은 「최소 지출 필요」라고만 적히고 금액이 없다. 과금 항목은 컴퓨트(vCPU)·메모리(GB)·스토리지(GB)이고 시간당 청구인데, 단가가 가격 페이지에 없다 — 계산기를 열어야 나온다. Hybrid Cloud와 Private Cloud는 둘 다 「엔지니어와 상담」이 유일한 경로다.
이게 의사결정에 끼치는 영향은 분명하다 — 세 후보를 같은 축으로 비교한 표를 만들 수 없다. Pinecone은 RU·WU 단가까지 공개하고, pgvector는 애초에 라이선스가 허용적이라(README의 LICENSE가 PostgreSQL 식 문구를 쓴다) 소프트웨어 비용이 0인데, Qdrant Cloud는 견적을 받아야 숫자가 나온다. 자체 호스팅으로 쓰면 비용 비교는 성립하지만, 그건 pgvector와 같은 칸(운영을 우리가 한다)으로 들어간다.
선택표
| 상황 | 선택 | 이유 |
|---|---|---|
| 이미 Postgres 운영 중 · 문서 수만 건 이하 | pgvector | 확장 하나 · 권한을 한 곳에서 · 정확 검색 기본 |
| 임베딩 차원 2,000 초과 예정 | pgvector + halfvec | vector 타입은 HNSW 2,000차원에서 막힌다 |
| 운영 인력 없음 · 빠른 시작 | Pinecone Starter → Builder | 무료 2GB → 월 $20 고정(초과는 차단이라 과금 사고가 없다) |
| 쿼리량 많고 데이터도 큼 | Pinecone + namespace 분할 | 쿼리 RU가 namespace 크기에 비례한다 |
| 온프레미스 필수 · 자체 운영 | pgvector 또는 Qdrant 자체 호스팅 | 둘 다 소프트웨어 비용 없음 |
| 예산을 미리 확정해야 함 | pgvector 또는 Pinecone | Qdrant Cloud는 단가가 공개돼 있지 않다 |
고르는 기준은 성능 벤치마크가 아니라 제약이다. 그리고 어느 쪽을 골라도 바꿀 때 재적재가 필요하므로, 바꾸기 전에 우리 데이터에서 재현율을 재 두는 편이 싸다 — 평가셋을 만드는 최소 절차는 RAG 평가 지표에 적어 뒀다.
사내 문서 RAG를 권한·갱신 주기까지 묶어 구축하는 쪽은 지식그래프·RAG 구축이고, 사내 업무에 바로 붙여 쓰는 형태로 만들어 둔 것이 ax.trina.app이다.
Q: 벡터 DB를 따로 안 두고 Postgres만으로 정말 되나요?
문서 수만 건 규모의 사내 문서 RAG라면 대부분 됩니다. pgvector는 기본이 정확 최근접 탐색이라 재현율이 완전하고, 느려지면 그때 HNSW 색인을 붙이면 됩니다. 별도 벡터 DB를 두는 값은 성능보다 운영 분리에서 나오는데, 그 대가로 권한 관리와 백업이 두 곳으로 갈라집니다. 그 분리가 필요한 이유를 먼저 적을 수 있을 때 옮기는 쪽을 권합니다.
Q: pgvector에서 3,072차원 임베딩을 쓸 수 있나요?
저장은 됩니다(vector는 16,000차원까지). 다만 HNSW·IVFFlat 색인이 vector에서는 2,000차원까지라 색인을 못 겁니다. 선택지는 ① halfvec으로 바꾸기(4,000차원까지) ② 차원을 줄여서 적재하기 ③ 색인 없이 정확 검색으로 운영하기입니다. 데이터가 작으면 ③도 실제로 쓰입니다.
Q: Pinecone 무료 티어로 사내 PoC가 가능한가요?
한도는 저장 2GB · 월 쓰기 200만 WU · 월 읽기 100만 RU · 인덱스 5개 · 사용자 2명이고 리전은 AWS us-east-1 전용입니다. PoC 규모로는 충분한 편입니다. 다만 한도를 넘으면 읽기가 RESOURCE_EXHAUSTED(429)로 차단됩니다. 과금으로 넘어가지 않는 대신 그 시점에 서비스가 멈추므로, 데모 일정이 걸려 있으면 월 $20 고정인 Builder가 안전합니다.
Q: Pinecone 비용을 미리 계산하려면 무엇을 알아야 하나요?
namespace 크기입니다. 쿼리 1건은 namespace 1GB당 1 RU(최소 0.25 RU)로 과금되므로, 비용은 「쿼리 수 × namespace GB」로 자랍니다. 쓰기는 요청 1KB당 1 WU, 요청당 최소 5 WU이므로 작은 레코드를 1건씩 올리면 최소값 때문에 손해입니다 — 배치로 묶는 쪽이 싸게 끝납니다.
Q: Qdrant는 왜 비교표에서 빈 칸이 생기나요?
가격 페이지가 Standard를 「사용량 기반」, Premium을 「최소 지출 필요」로만 적고 금액을 쓰지 않기 때문입니다. 과금 항목(vCPU·메모리·스토리지, 시간당)은 공개돼 있지만 단가가 없어서 계산기나 상담을 거쳐야 합니다. 무료 티어 사양(0.5 vCPU / 1GB RAM / 4GB 디스크)은 명시돼 있으니 기능 검증은 바로 할 수 있고, 예산 비교만 미뤄집니다.
참고한 1차 출처 (2026-11-18 확인)