벡터 DB 5분 정리: Pinecone vs Weaviate vs Qdrant, 뭘 써야 하나

- RAG(Retrieval-Augmented Generation) 시스템을 만들 때 반드시 선택해야 하는 벡터 DB
- Pinecone, Weaviate, Qdrant — 세 가지 선택지를 실용적 기준으로 비교한다
- MVP 단계와 프로덕션 단계에서 선택이 달라진다

### Pinecone

- 완전 관리형(SaaS) 벡터 DB. 서버 설정 없이 API 키 하나로 시작 가능
- 강점: 가장 빠른 시작. 관리 부담 없음. 스케일링 자동
- 약점: 비용이 빠르게 올라감. 10M 벡터 기준 월 $70~200+ 수준
- 무료 플랜: 인덱스 1개, 벡터 100K 한도 — 프로토타입 전용
- 하이브리드 검색(벡터 + 키워드 BM25)은 추가 설정 필요. Weaviate·Qdrant 대비 번거로움

### Weaviate

- 오픈소스 벡터 DB. 멀티모달(텍스트+이미지) 지원, GraphQL API 제공
- 강점: 하이브리드 검색(벡터+키워드 BM25) 기본 내장. 자체 임베딩 모듈 포함
- 약점: 클라우드 호스팅 옵션은 Pinecone보다 비쌈. 초기 설정이 복잡한 편
- 적합: 멀티모달 검색이 필요하거나 GraphQL 기반 통합이 있는 팀
- Docker Compose로 로컬 실행 가능 — 개발 단계에서 무료

### Qdrant

- Rust 기반 고성능 오픈소스 벡터 DB. 속도와 메모리 효율에 특화
- 강점: 필터링 성능이 세 가지 중 가장 뛰어남 (메타데이터 필터 + 벡터 검색 조합 빠름)
- Docker 한 줄로 로컬 즉시 실행 가능. REST API와 gRPC 모두 지원
- 약점: 클라우드 관리 옵션이 상대적으로 적음. 커뮤니티가 Weaviate보다 작음
- 적합: 고성능 필터 조합 검색이 필요한 프로덕션, 자체 호스팅으로 비용 절감이 중요한 팀

### RAG 구현 시 실제 고려사항

| 항목 | Pinecone | Weaviate | Qdrant |
|------|----------|----------|--------|
| 시작 난이도 | 가장 쉬움 | 중간 | 낮음(Docker) |
| 하이브리드 검색 | 별도 구현 | 기본 내장 | 기본 내장 |
| 멀티모달 | 아니오 | 예 | 제한적 |
| 오픈소스 | 아니오 | 예 | 예 |
| 비용 | 높음(SaaS) | 중간 | 낮음(자체 호스팅) |

### 어떻게 고를까

- 빠른 프로토타입, 인프라 관리 하기 싫으면 → **Pinecone**
- 멀티모달 + 하이브리드 검색 필요하면 → **Weaviate**
- 고성능 필터링 + 비용 절감 + 자체 호스팅 → **Qdrant**
- 국내 스타트업 팀에서 가장 많이 쓰는 조합: Pinecone (MVP) → Qdrant (프로덕션 전환)
- 임베딩 모델 선택도 중요: text-embedding-3-small(OpenAI), bge-m3(오픈소스 한국어 강점) 중 한국어 문서라면 bge-m3 우선 검토
- 어떤 DB를 써도 청킹 전략(청크 크기, 오버랩)이 검색 품질에 더 크게 영향을 미침

벡터 DB 5분 정리: Pinecone vs Weaviate vs Qdrant, 뭘 써야 하나

// COMMENTS

ON THIS PAGE