Qdrant
Product
Qdrant은 Rust로 작성된 오픈소스 벡터 데이터베이스이자 유사도 검색 엔진으로, 페이로드 메타데이터와 함께 임베딩을 저장하여 필터링된 의미 기반 검색과 검색 증강 생성(RAG)에 사용됩니다.
함께 다룬 주제
Qdrant 관련 에피소드에서는 Cybersecurity Maturity Model Certification (CMMC), Llama, Ollama, Graphics processing unit (GPU), ISO/IEC 27001 및 Vector store도 다룹니다.
Description
Qdrant는 Rust로 작성된 오픈소스 벡터 데이터베이스이자 유사도 검색 엔진입니다. 텍스트와 같은 콘텐츠를 숫자 벡터로 표현한 임베딩을 페이로드 메타데이터와 함께 저장하고, 쿼리 벡터와 가장 유사한 항목을 반환합니다. 일반적인 용도는 의미 기반 검색과 검색 증강 생성(RAG)이며, 애플리케이션이 관련 원본 자료를 찾아 언어 모델에 컨텍스트로 전달하는 방식입니다.
RAG 파이프라인에서 Qdrant는 벡터 저장소 역할을 합니다. 문서가 수집되어 임베딩으로 변환된 뒤 Qdrant에 기록됩니다. 쿼리 시점에는 질문이 같은 방식으로 임베딩되고, 가장 가까운 항목들이 검색됩니다. Azure Files를 문서 원본으로 사용하여 Qdrant로 RAG 파이프라인을 구축하는 방법을 설명한 Microsoft Learn 페이지에 이 구성이 나와 있습니다. LangChain, LlamaIndex, Haystack과 같은 오케스트레이션 프레임워크는 수집과 쿼리 시점의 검색을 처리하므로, 애플리케이션의 모든 부분이 Qdrant를 직접 호출할 필요는 없습니다.
핵심 기능은 페이로드입니다. Qdrant는 각 벡터와 함께 임의의 JSON 직렬화 가능 메타데이터를 저장하고, 쿼리 실행 시 이를 기준으로 필터링할 수 있습니다. Microsoft Learn 페이지에 따르면, 이 필터링은 사후 필터가 아니라 HNSW 그래프 탐색 중에 수행되므로 필터로 인해 검색 성능이 떨어지지 않습니다. 예를 들어 특정 속성을 가진 문서로 검색 범위를 제한하면서도 의미적 유사도에 따라 순위를 매겨야 할 때 이 점이 중요합니다. 컬렉션은 첫 삽입 시 적절한 벡터 차원과 거리 측정 방식으로 자동 생성됩니다.
배포 방식은 중요한 결정 사항입니다. Qdrant는 자체 호스팅할 수 있으며, 예를 들어 Azure Files 프라이빗 엔드포인트와 함께 Azure Kubernetes Service에 배포하면 파이프라인을 테넌트 네트워크 경계 안에 유지할 수 있습니다. 또는 자체 호스팅 버전과 동일한 API를 제공하는 관리형 서비스 Qdrant Cloud를 사용할 수도 있으며, 페이지에 따르면 개발 및 테스트에는 무료 등급으로 충분합니다. Qdrant는 Azure Marketplace를 통해서도 제공되어 Azure 구독을 통한 청구가 가능합니다. 여기서 참조한 문서 페이지는 라이선스 조건, 용량 한도, 성능 수치를 명시하지 않으므로, 프로젝트를 계획할 때 이 점들은 별도로 확인해야 합니다.
Microsoft 생태계에서 Qdrant는 Azure Files, Azure Kubernetes Service, Azure Marketplace와 같은 서비스와 함께 등장하며, 의미 기반 검색을 사용하는 .NET 기반 애플리케이션과 결합할 수 있습니다. M365.FM 에피소드 "Build AI Applications with .NET 10"(2025-11-03)은 Weaviate와 함께 Qdrant를 AI 애플리케이션 아키텍처의 인프라 계층인 "Semantic Search & Vector Databases"에 배치합니다. 이 계층에서 Qdrant는 Entity Framework Core 및 Cosmos DB를 활용한 데이터 관리, GitHub Actions를 활용한 CI/CD 및 MLOps와 나란히 위치합니다. 해당 에피소드는 Qdrant를 독립된 제품이 아니라 더 큰 스택의 한 구성 요소로 다루며, 스마트 제안이나 음성 입력과 같은 AI 기능은 애플리케이션의 인텔리전스 계층의 일부로 설명합니다.
벡터 저장소를 선택하는 팀에게 실질적인 질문은 데이터를 어디에 호스팅할 수 있는지, 유사도 순위 지정과 함께 메타데이터 필터링이 필요한지, 그리고 관리형 서비스 또는 직접 운영하는 서비스 중 어느 쪽이 운영 역량에 맞는지입니다. 참고 자료는 Qdrant가 동일한 API로 두 호스팅 모델을 모두 지원한다고 설명하며, 이를 통해 관리형 무료 등급에서 개발한 뒤 나중에 사설 네트워크 내 자체 호스팅 배포로 옮기는 것이 가능하다고 보여 줍니다. 다만 참고 자료는 마이그레이션 절차를 설명하지는 않습니다.
Overview compiled with AI from M365.FM episodes and the facts on this page. You can improve it with the edit button below.
| Type | Product |
|---|
Frequently asked questions
Questions marked with AI were written with AI from the facts on this page.
Qdrant는 무엇에 사용되나요? (AI)
Qdrant는 페이로드 메타데이터와 함께 임베딩을 저장하여 필터링된 의미 기반 검색과 검색 증강 생성에 사용되는 벡터 데이터베이스이자 유사도 검색 엔진입니다. RAG 파이프라인에서는 쿼리와 가장 유사한 콘텐츠를 반환하는 벡터 저장소 역할을 합니다.
Qdrant는 메타데이터 필터링을 어떻게 처리하나요? (AI)
Qdrant는 임의의 JSON 직렬화 가능 메타데이터를 페이로드로 저장하고, 쿼리 실행 시 이를 기준으로 필터링할 수 있습니다. Microsoft Learn 페이지에 따르면 필터링은 사후 필터가 아니라 HNSW 그래프 탐색 중에 수행되므로 검색 성능이 저하되지 않습니다.
Qdrant를 Azure에서 실행할 수 있나요? (AI)
네. 예를 들어 Azure Files 프라이빗 엔드포인트와 함께 Azure Kubernetes Service에 자체 호스팅하거나, 관리형 서비스인 Qdrant Cloud를 사용할 수 있습니다. Azure Marketplace를 통해서도 제공되며, 이 경우 Azure 구독을 통해 청구됩니다.
Community wiki
Short info above, community knowledge below: add practical tips, examples or corrections. New contributions are reviewed first; trusted members publish directly.
Experts and companies for this topic
Nobody has listed this topic yet. Add it to your profile.
Maintained by Mirko Peters (Microsoft MVP) · Last updated: