Float162 SingleStore 9.1 Float16 벡터 타입 실습 가이드 안녕하세요 에이플랫폼입니다. 이전 글에서는 SingleStore 9.1에서 새롭게 도입된 Float16 벡터 타입이 벡터 저장 공간과 검색 성능 측면에서 어떤 이점을 제공하는지 살펴보았습니다. (이전 글: SingleStore 9.1 Float16 벡터 타입 지원)이번 글에서는 F16과 F32 벡터 테이블을 생성하는 방법, 저장 공간과 검색 성능을 측정하는 쿼리, ANN 인덱스 생성 및 검색 예제, 그리고 기존 F32 벡터 컬럼을 F16으로 마이그레이션하는 절차를 순서대로 살펴봅니다.테스트 데이터 및 환경 구성테스트는 http://corpus-texmex.irisa.fr/의 GIST 1M 데이터셋으로 수행했습니다. 이 데이터 셋은 960차원의 벡터 100만 개를 포함합니다. GIST 1M 벡터를 각각 .. 2026. 7. 1. SingleStore 9.1 Float16 벡터 타입 지원 안녕하세요 에이플랫폼입니다. 최근 LLM의 확산으로 머신러닝, 의미 기반 검색, 생성형 AI 애플리케이션에서 벡터 검색의 중요성이 크게 부각되고 있습니다. 하지만 벡터 데이터베이스에 저장되는 데이터가 많아질수록 메모리 사용량과 저장 공간은 곧 비용 문제로 이어집니다. 임베딩 벡터들은 수백 개에서 수천 개의 부동소수점 값으로 구성되기 때문에, 데이터 규모가 커질수록 필요한 리소스도 함께 커집니다. 이 문제를 줄이는 방법 중 하나는 벡터를 구성하는 각 요소(element)의 정밀도를 낮추는 것입니다.벡터 유사도 검사의 경우 벡터 요소의 정밀도에 민감하지 않기 때문에, 32-bit float 대신 16-bit float로 벡터를 저장하고 처리하는 방식을 충분히 고려할 수 있습니다. 또한 Intel과 ARM 명.. 2026. 6. 29. 이전 1 다음
