NodeDB

NodeDB란?

NodeDB는 관계형, 벡터(AI), 그래프, 문서, 컬럼, 과학 배열 등 다양한 데이터 유형을 하나의 Rust 기반 아키텍처로 통합하여 여러 데이터 시스템을 대체하는 단일 데이터베이스 엔진입니다. 별도의 데이터베이스 간 단편화를 줄이고, 혼합 데이터 작업 시 “파이프라인”이나 “Python glue”의 필요성을 제거하는 것을 목표로 합니다.

주요 포지셔닝은 기존 PostgreSQL 클라이언트를 “그대로” 사용해 연결할 수 있으며, NodeDB는 벡터 검색과 그래프 확장을 하나의 쿼리로 융합하는 GraphRAG 스타일 쿼리를 지원한다는 점입니다. 페이지에 나온 예시는 데이터베이스 레이어 워크플로의 일부로 의미론적 검색과 그래프 컨텍스트를 보여줍니다.

주요 기능

• 관계형, 벡터, 그래프, 문서, 컬럼, 과학 배열 등 여러 데이터 모델을 위한 통합 엔진으로, 별도 시스템 간 전환 없이 다양한 데이터 유형을 저장하고 쿼리할 수 있습니다.
• 단일 Rust 바이너리로 구현된 “초고효율” 엔진으로 묘사되는 Rust 기반 아키텍처.
• PostgreSQL 클라이언트 호환성: 페이지에서 기존 Postgres 클라이언트가 “그대로 작동”한다고 명시하며, 새 백엔드 도입의 마찰을 줄이는 것을 목표로 합니다.
• 하나의 문장으로 벡터 검색과 그래프 확장을 결합하는 GraphRAG 쿼리 지원으로, “데이터베이스 레이어의 GraphRAG”로 포지셔닝됩니다.
• top-k 검색, 확장 깊이, 에지 레이블 및 방향, 결과 융합 설정 등의 제어를 포함한 원쿼리 GraphRAG 융합 워크플로(예시 문장에 표시).

NodeDB 사용 방법

1. 얼리 액세스 프로세스에 참여하거나 사이트의 “Get Early Access” 옵션을 통해 액세스를 요청하여 시작하세요.
2. 페이지에서 Postgres 클라이언트 호환성을 명시하므로 기존 PostgreSQL 클라이언트를 사용해 연결하세요.
3. 쿼리의 매개변수에 따라 벡터에서 의미론적 검색을 수행하고 그래프 에지를 통해 확장하는 단일 GraphRAG 스타일 쿼리를 제출하세요.
4. 페이지에서 데이터베이스 레이어에서 제공되는 의미론적 검색 + 그래프 컨텍스트로 프레임하므로, 해당 쿼리의 융합 결과를 LLM 컨텍스트의 기반으로 사용하세요.

사용 사례

• 외부 파이프라인 없이 GraphRAG 검색 구축: 벡터 기반 의미론적 검색을 수행하고 그래프 에지를 통해 관련 엔티티를 확장하며 결과를 융합하는 하나의 데이터베이스 쿼리를 실행하여 다운스트림 LLM에 사용하세요.
• 그래프 컨텍스트로 엔티티 중심 질문 답변: 상위 벡터 매치를 검색한 후 관계(에지 레이블 및 방향 사용)를 통해 인접 그래프 정보를 동일 쿼리에서 수집하세요.
• 랭킹과 구조가 중요한 하이브리드 검색 구현: 표시된 융합 검색 매개변수(예: top-k, 확장 깊이, 융합 설정)를 사용해 직접 벡터 매치와 그래프 확장 결과를 균형 있게 조정하세요.
• 애플리케이션 측 오케스트레이션 감소: 벡터와 그래프 작업의 융합을 데이터베이스 쿼리 자체로 이동하여 “파이프라인”과 “Python glue”를 피하세요.
• 여러 모델 유형 간 데이터 저장 통합: 현재 애플리케이션이 관계형 데이터, 벡터, 그래프 관계를 위해 별도 시스템에 의존할 때, 이러한 카테고리를 커버하는 단일 엔진으로 NodeDB를 사용하세요.

자주 묻는 질문

• NodeDB는 벡터와 그래프 검색을 결합하기 위해 별도 파이프라인이나 Python glue가 필요하나요? 페이지에서 “하나의 쿼리”를 사용하며 “No pipelines”와 “No Python glue”라고 명시하고, 데이터베이스 레이어에서 융합을 설명합니다.

• “기존 Postgres 클라이언트가 그대로 작동합니다”는 무슨 의미인가요? 사이트에서 PostgreSQL 클라이언트 호환성을 명시적으로 주장하며, 일반적인 Postgres 클라이언트 패턴으로 연결할 수 있음을 암시합니다.

• 이 맥락에서 GraphRAG란? 페이지에서 GraphRAG를 하나의 쿼리로 융합된 “벡터 검색 + 그래프 확장”으로 프레임하며, LLM을 위한 의미론적 검색 결과와 그래프 컨텍스트를 생성합니다.

• NodeDB가 지원하는 데이터 모델은 어떤 종류인가요? 페이지에서 관계형, 벡터, 그래프, 문서, 컬럼, 과학 배열 데이터를 나열합니다.

대안

• 별도의 벡터 데이터베이스 + 별도의 그래프 데이터베이스: 벡터 검색과 그래프 탐색을 서로 다른 시스템에 유지하며, 일반적으로 검색과 융합을 조율하기 위해 애플리케이션 계층이 필요합니다 (NodeDB는 파이프라인과 글루를 피한다고 강조).
• 외부 리랭킹/융합을 포함한 하이브리드 검색 서비스: 일부 솔루션은 의미 검색과 리랭킹을 제공하지만, 검색과 그래프/컨텍스트 확장 단계 간 조율이 여전히 필요할 수 있습니다.
• 벡터/그래프 확장을 위한 전통 SQL 데이터베이스: 애드온으로 혼합 모델 쿼리를 근사할 수 있지만, 통합 엔진과 데이터 타입 간 1쿼리 융합을 강조합니다.
• 애플리케이션 계층에서 구현된 GraphRAG: 데이터베이스 내부에서 벡터 검색과 그래프 확장을 수행하는 대신, 애플리케이션이 여러 검색 단계를 실행한 후 LLM을 위한 컨텍스트를 조립합니다.