Couchbase의 새로운 기능

벡터 검색 및 AI 기반 적응형 애플리케이션 지원

2024년 봄에 출시된 Capella는 고성능 스토리지, 인덱싱, 벡터 임베딩 검색을 포함한 Couchbase Server 7.6을 지원합니다. 조직은 최종 사용자에게 탁월한 경험을 제공하는 제너레이티브 AI 기반의 초개인화된 적응형 애플리케이션을 구축하기 위해 경쟁하고 있습니다. 벡터 검색을 통해 조직은 검색 증강 생성(RAG) 프레임워크를 사용하여 LLM 및 기타 기반 모델과 상호 작용하여 AI 기반 챗봇과 애플리케이션을 더 안전하고 최신 상태로 유지하며 특정 기업 정보에 정확하게 맞춰 만들 수 있습니다. 또한 팀은 벡터 검색, 텍스트 검색, 범위 검색, 명시적 값 검색, 지리적 공간 검색의 조합인 하이브리드 검색을 사용하여 단일 플랫폼 내에서 최종 사용자를 위한 강력한 검색 솔루션을 구축할 수 있습니다. 별도의 벡터 데이터베이스가 필요하지 않습니다. 단일 SQL 쿼리와 단일 인덱스로 고급 검색을 지원하여 강력하고 지연 시간이 짧은 결과를 제공하는 동시에 TCO를 절감할 수 있습니다. 자세히 알아보기

벡터 검색을 위한 추가 성능 향상

카우치베이스 엔터프라이즈 서버 7.6.2는 7배의 처리량 증가와 메모리 요구 사항 감소 등 자체 관리형 및 카펠라 기반 시스템의 벡터 검색에 놀라운 성능 및 확장성 개선을 추가했습니다. 4096차원 벡터로 지원을 확장하고 데이터와 쿼리 모두에 대해 Base64 압축 벡터를 추가하여 스토리지 오버헤드를 줄입니다.

카우치베이스 모바일에서 벡터 지원

Couchbase는 임베드 가능한 모바일 데이터베이스(Couchbase Lite)에 대한 벡터 지원을 발표한 최초의 데이터베이스 공급업체입니다. 이를 통해 고객은 데이터가 생성되고 소비되는 엣지에서 강력한 AI 기반 애플리케이션을 구축할 수 있습니다. 자세한 내용은 모바일 탭을 참조하세요.

AI 에코시스템 통합

카우치베이스는 개발자의 생산성을 더욱 높이기 위해 LangChain과 LlamaIndex를 통해 AI 파트너 생태계를 강화하고 있습니다. LangChain과의 통합을 통해 공통 API 인터페이스를 통해 광범위한 LLM 라이브러리와 대화할 수 있습니다. 마찬가지로, 카우치베이스와 라마인덱스의 통합은 개발자들이 적응형 애플리케이션을 구축할 때 훨씬 더 많은 LLM을 선택할 수 있도록 해줄 것입니다. 이러한 통합은 쿼리 프롬프트 어셈블리를 가속화하고, 응답 유효성 검사를 개선하며, RAG 애플리케이션을 용이하게 할 것입니다.

쿼리 트래버스로 활성화된 그래프 기능

Couchbase는 그래프 관계 탐색을 지원하므로 계층 구조 및 네트워크 매핑을 위한 재귀 쿼리를 수행할 수 있습니다. 계층적 데이터 구조를 쿼리하면 조직도, 자재 명세서, 공급망 관리, 네트워크 토폴로지 및 소셜 네트워크와 같은 영역에서 ANSI SQL 재귀적 CTE로 복잡한 분석을 수행할 수 있습니다. 자세히 알아보기

새로운 인덱스 리밸런싱으로 최대 80%까지 시간 단축

CPU나 메모리 사용량에 영향을 주지 않고 인덱스 노드의 스케일아웃을 더 빠르게 처리하기 위해 이제 Server 7.6에서는 파일 기반 리밸런싱을 활용합니다. 테스트 결과, 리밸런싱을 완료하는 데 걸리는 시간이 크게 개선되어 프로세스가 더 쉽고 성공적으로 수행되는 것으로 나타났습니다. 자세히 알아보기

다운타임 없는 원스텝 업그레이드, Couchstore에서 Magma로의 업그레이드

고객은 프런트엔드 워크로드를 중단하지 않고도 Couchstore에서 Magma 스토리지 엔진으로 마이그레이션할 수 있습니다. 마이그레이션을 사용하려면 고객이 버전 7.6을 사용 중이어야 합니다. 필요한 경우 언제든지 마이그레이션을 되돌릴 수 있습니다. 자세히 알아보기

빠른 장애 복구 시간으로 HA 개선

데이터 노드가 중단되는 경우, 애플리케이션에서 아무런 조치를 취하지 않아도 쿼리가 자동으로 사용 가능한 다음 데이터 노드로 경로가 변경됩니다. 최소 자동 장애 조치 시간 제한이 5초에서 1초로 줄었고, 하트비트 빈도는 1초에서 200밀리초로 줄었습니다. 자세히 알아보기

쿼리 간소화

초기 개발 및 테스트가 더 쉬워지도록 사용자가 인덱스 없이 모든 데이터베이스 CRUD 및 조인 작업을 수행할 수 있습니다. 따라서 신규 사용자가 인덱스 오류 없이 CREATE, INSERT, SELECT를 사용할 수 있는 환경이 개선됩니다. 또한 사용자는 쿼리 및 인덱싱 노드 없이도 문서 키 접두사를 기반으로 간단한 키-값 범위 스캔을 수행할 수 있습니다. 최상의 성능을 위해 속도가 우선시되는 곳에서는 여전히 인덱스를 사용하는 것이 좋습니다. 자세히 알아보기

클라우드-투-에지 AI 사용

검색은 모든 앱에서 중요한 부분이지만, 특정 단어나 구문만 검색하는 것만으로는 개인적인 관계를 맺을 수 없습니다. 문맥에서 사용자에게 가장 의미 있는 검색 결과를 얻으려면 시맨틱 검색이 필요합니다. 벡터 검색 는 단순히 일치하는 단어를 찾는 데 그치지 않고 관련 정보를 찾습니다. 입력의 핵심 의미를 통해 사용자와 연결되는 관련 정보를 제공하는 데 가장 적합한 옵션입니다.

카우치베이스 모바일 3.2

출시 카우치베이스 모바일 3.2는 모바일 및 IoT 앱용 임베디드 데이터베이스인 카우치베이스 라이트와 함께 디바이스 내 벡터 검색을 제공함으로써 "클라우드-엣지 AI" 비전을 완성합니다. 이제 모바일 개발자는 인터넷에 의존하지 않고 엣지에서 벡터 검색 기능을 활용하여 가장 빠르고, 가장 안전하며, 가장 신뢰할 수 있는 GenAI 앱을 개발할 수 있습니다. 이러한 이점은 Couchbase Capella 및 Couchbase Server의 벡터 검색과 결합하여 클라우드-엣지 AI 지원을 가능하게 할 때 더욱 증폭됩니다.

주요 기능

인터넷 없이도 작동하는 빠르고 안정적이며 안전한 AI 기반 모바일 앱을 구축하세요.
디바이스에서 벡터 검색을 활성화하면 멀리 떨어진 클라우드 데이터베이스에 대한 종속성을 제거하여 앱의 속도를 높이고 인터넷 중단으로 인한 다운타임을 없앨 수 있습니다.

클라우드에서 엣지까지 벡터 검색
기본 제공 데이터 동기화와 결합된 Capella 및 Couchbase Lite의 벡터 검색을 사용하면 AI에 필요한 방대한 양의 데이터를 처리할 수 있는 클라우드 규모와 AI를 효과적으로 활용할 수 있는 즉각적인 엣지 기능을 확보할 수 있습니다.

초개인화된 참여를 위한 하이브리드 검색
벡터 검색은 카우치베이스 모바일에서 지원하는 다른 검색 및 조건부 쿼리 기술(예: 전체 텍스트 검색)과 결합하여 단일 표준 SQL 쿼리를 사용하여 호출하면 훨씬 더 강력해집니다.

가장자리에 걸레
검색 증강 생성은 모델이 외부 사실에 액세스할 수 있도록 함으로써 AI 모델의 정확성을 지원하는 아키텍처 기법을 말합니다. 벡터 검색의 결과는 쿼리 응답을 사용자 지정하기 위해 LLM으로 전송되는 쿼리에 컨텍스트 데이터로 포함될 수 있습니다. 카우치베이스 모바일을 사용하면 개발자는 인터넷 없이도 엣지에서 작동하는 RAG 앱을 구축할 수 있습니다.

AI를 위한 탁월한 개인 정보 보호 및 보안
엣지에서 데이터를 처리하면 민감한 데이터가 엣지를 벗어날 필요가 없으므로 개인정보 보호를 보장할 수 있습니다. 민감한 데이터나 개인 데이터를 퍼블릭 모델에 제공할 걱정 없이 온디바이스 또는 엣지에서 실행되는 GenAI 앱을 개발할 수 있습니다.

여기에서 Couchbase Lite 3.2를 다운로드하세요.