Azure Database for PostgreSQL에서 벡터 검색 최적화
중급
개발자
Azure Database for PostgreSQL
pgvector를 사용하여 Azure Database for PostgreSQL에서 벡터 검색 성능을 최적화하는 방법을 알아봅니다. 구성 매개 변수를 조정하고, 벡터 인덱스를 선택 및 구성하고, 효율적인 데이터 레이아웃을 디자인하고, 대량 워크로드를 확장하고, AI 애플리케이션에 대한 연결 풀링을 구현합니다.
학습 목표
이 모듈을 완료하면 다음을 수행할 수 있습니다.
- PostgreSQL 및 pgvector 구성 매개 변수를 조정하여 AI 워크로드에 대한 쿼리 대기 시간 및 메모리 사용량을 최적화합니다.
- 데이터 세트 크기, 쿼리 패턴 및 정확도 요구 사항에 따라 적절한 벡터 인덱스 유형을 선택하고 구성합니다.
- 벡터 스토리지 및 메타데이터 필터링 성능을 최적화하는 데이터 레이아웃 디자인
- Azure Database for PostgreSQL을 확장하여 대용량 벡터 워크로드 처리
- AI 애플리케이션에 대한 연결 풀링 및 세션 관리 전략 구현
사전 요구 사항
이 모듈을 시작하기 전에 다음이 있어야 합니다.
- Python을 사용한 프로그래밍 환경.
- Azure 서비스 및 클라우드 컴퓨팅 개념에 대한 기본적인 이해
- 관계형 데이터베이스 및 SQL 기본 사항에 대해 잘 알고 있습니다.
- 포함 및 유사성 검색을 비롯한 기계 학습 개념 이해