개요
- Amazon S3 Vectors는 벡터 데이터에 최적화된 원클릭 스토리지 솔루션으로, 백엔드 인프라 없이 벡터 생성·저장·검색을 지원합니다
- S3 객체 저장소에서 벡터 데이터를 네이티브로 저장 및 쿼리할 수 있는 최초의 클라우드 서비스입니다 .
주요 특징
- 벡터 버킷 & 인덱스
- 전용 벡터 버킷 생성 가능 (최대 10,000개 인덱스).
- 각 인덱스는 수천만 개 벡터 저장 가능 .
- 메타데이터 필터링
- 벡터 하나하나에 키-값 메타데이터 부착 가능.
- 날짜, 카테고리, 사용자 선호도 등의 조건으로 쿼리 필터링 가능 .
- 자동 최적화
- 업데이트/삭제 시 자동으로 성능·비용 최적화.
통합 & 연동
- Amazon Bedrock / SageMaker Unified Studio와 네이티브 통합: RAG(검색 증가 생성) 애플리케이션 구축에 효율적
- Amazon OpenSearch Service와 연동하여, 자주 조회되지 않는 벡터는 S3 Vectors에, 실시간 성능이 필요한 벡터는 OpenSearch로 계층화 이전 가능
활용 예시
- 이미지, 영상, 문서, 오디오 등 대규모 언스트럭처드 데이터 벡터를 경제적으로 저장
- 사용 사례:
- 의미 기반/유사도 검색
- RAG 기반 생성 AI
- 에이전트 메모리 구축
- 개인화 추천
- 콘텐츠 분석
- 지능형 문서 처리
사용 절차 요약
- 벡터 버킷 생성: S3 콘솔에서 “벡터 버킷” 선택 → 이름 지정 및 암호화 방식 선택 (SSE‑S3 또는 SSE‑KMS)
- 벡터 인덱스 생성: 이름, 차원 수, 거리 메트릭(Cosine/EUCLIDEAN) 설정
- 벡터 저장/조회: AWS CLI, SDK, S3 REST API를 통해 삽입·조회·삭제 가능. 벡터 생성은 Amazon Bedrock 모델 사용 예시 포함
- OpenSearch로 내보내기: 콘솔에서 “Export to OpenSearch” 선택 → Serverless 컬렉션 생성 및 마이그레이션 진행
서비스 제공 지역
- 프리뷰 출시 리전: 미국(버지니아북부, 오하이오, 오리건), 아시아 태평양(시드니), 유럽(프랑크푸르트) .
요약 정리
- 비용 절감: 벡터 업로드·저장·쿼리 비용 최대 90% 절감
- 스케일링 지원: 페타스케일 데이터, 수천만~10억 규모 벡터 저장 가능
- 서브초 응답성: 유사도 검색 시 초저지연 성능
- 생태계 연동성: Bedrock, SageMaker, OpenSearch와 시너지를 통한 RAG 및 실시간 검색 워크플로 구축
- 간편한 사용성: REST API/CLI/SDK로 벡터 기반 애플리케이션 쉽게 개발 가능