벡터 데이터베이스에서 멀티테넌시가 무엇인가?

당신이 데이터를 업로드하고 관리하는 깃허브에서 다른 사용자가 볼 수 없도록 설정할 수 있습니다. 하지만 깃허브는 사용자마다 별도의 데이터베이스를 할당하는 대신 멀티테넌시를 사용하여 비용을 절감하고 관리를 쉽게 합니다.

그러나 동일한 인프라를 공유하면 모든 사용자가 다른 사용자의 데이터를 볼 수 있는 보안 위험이 됩니다. 멀티테넌시는 사용자 데이터를 논리적으로 분할하여 동일한 리소스에서 실행할 수 있도록 합니다.

이 기사에서는 벡터 데이터베이스에서 멀티테넌시, 그ประโยชน, 제한, 실제 사용 사례에 대해 살펴봅니다.

벡터 데이터베이스에서 멀티테넌시는 어떻게 작동하는가?

멀티테넌시는 여러 사용자(테넌트)가 동일한 데이터베이스를 공유하지만 각 테넌트의 데이터를 분리된 환경에서 저장하는 접근 방식입니다.

분리된 환경은 각 테넌트에 대한 고유한 자격증명으로 생성되어 데이터를 보호합니다. 따라서 각 테넌트는 자신의 분리된 환경에서 데이터를 저장, 관리, 수정할 수 있습니다. 그러나 회사에는 테넌트 리소스와 제한을 관리하고 제어하는 접근 권한이 있습니다.

두 테넌트 컬렉션의 샘플 일러스트레이션으로 동일한 데이터베이스에 대한 분리된 접근을 제공합니다. 이미지 출처: Qdrant

벡터 데이터베이스는 인덱싱을 검색 기술로 사용하여 유사성에 따라 벡터를 구성합니다. 인덱싱 전략은 테넌트 데이터 분할에 영향을 미칩니다. 현재 멀티테넌트 벡터 데이터베이스에서 두 가지 인덱싱 전략을 사용합니다.

멀티테넌트 벡터 데이터베이스에서 두 가지 인덱싱 전략에 대해 자세히 살펴보겠습니다.

1. 공유 인덱싱: 모든 테넌트가 고유한 자격증명으로 데이터를 분할하여 동일한 인덱스를 공유합니다. 이 방법은 메모리 효율적입니다. 그러나 테넌트 데이터를 보호하기 위해 강력한 보안 및 접근 제어 메커니즘이 필요합니다.
2. 테넌트별 인덱싱: 각 테넌트가 별도의 인덱스를 갖는 테넌트별 인덱싱입니다. 이는 완전한 접근 제어와 개선된 검색 성능을 제공합니다. 그러나 이 방법은 리소스 집약적입니다.

일부 벡터 데이터베이스인 Qdrant 와 Milvus는 두 가지 인덱싱 전략을 모두 지원하여 사용자에게 추가적인 사용자 지정 및 확장성을 제공합니다.

벡터 데이터베이스에서 멀티테넌시의 이점

벡터 데이터베이스에서 멀티테넌시는 여러 사용자를 위한 분리된 데이터베이스 인스턴스를 요구하는 회사에 많은 이점을 제공합니다. 일부 이점은 다음과 같습니다.

1. 비용 절감

더 많은 사용자를 위한 더 少한 리소스를 사용하면 인프라 비용이 줄어듭니다.

2. 확장성

멀티테넌시는 필요에 따라 리소스를 공유할 수 있습니다. 즉, 더 많은 저장소가 필요한 테넌트는 더 많은 리소스를 받고, 반대로 더 적은 저장소가 필요한 테넌트는 더 적은 리소스를 받습니다.

3. 사용자 지정

별도의 환경을 제공하여 테넌트가 데이터베이스 스키마, 플러그인, 메트릭, 대시보드를 자신의 필요에 따라 구성할 수 있습니다. 구성은 테넌트에게 비공개이며, 테넌트의 요구 사항이 변경되면 변경할 수 있습니다.

4. 관리성

모든 테넌트를 위한 단일 데이터베이스는 중앙 집중식 리소스 관리, 구성, 모니터링을 허용합니다. 회사에서는 모든 테넌트를 단일 위치에서 관리할 수 있지만, 테넌트는 자신의 데이터를 자신의 분리된 환경에서 관리할 수 있습니다.

벡터 데이터베이스에서 멀티테넌시의 제한

어떤 아키텍처 접근 방식과 마찬가지로, 멀티테넌시에도 몇 가지 제한이 있습니다. 이러한 제한을 고려하여 신중하게 결정하는 것이 중요합니다. 가장 일반적인 제한은 다음과 같습니다.

1. 추가적인 복잡성

여러 테넌트를 단일 리소스에서 관리하려면 추가적인 구성이 필요합니다. 이는 테넌트 온보딩, 접근 제어, 사용자 인증, 권한 부여를 포함합니다. 지식 및 지원의 부족은 데이터 공유 또는 리소스 오버헤드와 같은 원치 않는 결과로 이어질 수 있습니다.

이를 해결하기 위해 주의 깊은 계획 및 데이터베이스 지원은 보안 사용자 환경을 보장합니다.

2. 보안 우려

악의적인 접근, 의도하지 않은 미스コン피그레이션 또는 기본 인프라의 취약성은 테넌트 간에 데이터를 공유할 수 있습니다. 이를 방지하기 위해 주의 깊은 설계, 정기적인 감사, 다층 보안 조치를 구현하는 것이 전체 보안을 강화하는 데 도움이 됩니다.

3. 성능 병목 현상

리소스의 높은 사용은 다른 테넌트의 성능을 저하할 수 있습니다. 공유 인덱싱은 특히 접근 목록을 일치시키기 위한 런타임 권한 확인으로 인해 검색 성능에 영향을 미칩니다. 리소스 관리 및 제어, 정기적인 업데이트, 테넌트 교육은 성능 문제를 완화하는 데 중요합니다.

4. 시스템 중단

예약된 유지 보수, 하드웨어 故障, 소프트웨어 버그는 모든 테넌트에게 동일한 인프라를 공유할 때 영향을 미칩니다. 이는 데이터, 평판, 재정 손실을 초래합니다. 정기적인 위험 평가, 인프라 품질 보증, 及时 백업은 시스템 중단의 부정적인 영향을 최소화하는 데 도움이 됩니다.

멀티테넌시의 사용 사례

멀티테넌시는 전자상거래 추천 시스템에서 대규모 기계 학습 모델을 학습하는 회사까지 다양한 응용 분야에서 유용합니다. 몇 가지 일반적인 사용 사례는 다음과 같습니다.

1. 추천 시스템

사용자가 가입하여 쇼핑 선호도를 저장할 수 있는 전자상거래 플랫폼을 상상해 보십시오. 멀티테넌트 설정을 사용하면 각 사용자에게 개인화된 제품 추천을 제공할 수 있습니다.

전자상거래 플랫폼에서 모든 테넌트가 기준을 설정하여 추천 시스템이 최종 사용자에게 개인화된 제품 추천을 보낼 수 있습니다.

2. 엔터프라이즈 애플리케이션

대규모 소프트웨어 애플리케이션은 여러 사용자와 고객을 위한 동일한 데이터베이스를 사용합니다. 모든 사용자는 데이터를 업로드하고 관리할 수 있지만 다른 사용자로부터 데이터를 보호할 수 있습니다. 예를 들어, Dropbox와 HubSpot (HUBS ) 은 모든 사용자가 동일한 리소스를 공유할 수 있지만 다른 사용자로부터 데이터를 보호할 수 있습니다.

3. 이상 및 사기 탐지

멀티테넌시는 개인 데이터를 보안한 상태에서 강력한 사기 탐지 시스템을 개발할 수 있습니다. 회사는 익명화된 데이터에 대한 사기 탐지 모델을 학습하고 중앙 데이터베이스에 학습된 모델만 전송합니다. 이렇게 하면 데이터를 보안한 상태에서 사기 탐지 시스템을 개발하는 데 기여할 수 있습니다.

예를 들어, 신용 카드 사기 탐지 시스템은 기계 학습을 사용하여 개인 정보 보호와 효율성을 향상시킵니다.

멀티테넌시를 사용할 때와 사용하지 않을 때

여러 가지 요인이 멀티테넌시로 전환하는 결정에 기여합니다. 이는 테넌트 성능, 분리 요구 사항, 보안 우려를 포함합니다. 자세히 살펴보겠습니다.

멀티테넌시를 사용해야 하는 경우

다음 지표는 멀티테넌시가 적합함을 나타냅니다.

1. 여러 테넌트가 별도의 환경을 필요로 합니다.
2. 테넌트가 성능 트레이드오프를 수용할 수 있습니다.
3. 비용 절감이 우선순위입니다.
4. 중앙 집중식 테넌트 관리가 운영을 개선합니다.

멀티테넌시를 사용하지 않을 때

멀티테넌시의 제한은 모든 상황에서 적합하지 않음을 의미합니다. 멀티테넌트 벡터 데이터베이스는 다음 요구 사항이 있는 경우 적합하지 않습니다.

1. 테넌트가 엄격한 보안 요구 사항이 있는 매우 민감한 데이터를 소유하고 있습니다.
2. 테넌트 수가 제한적이며 성장 속도가 느립니다.
3. 테넌트가 전용 환경을 필요로 하며 성능 저하를容忍할 수 없습니다.
4. 멀티테넌트 전문 지식과 복잡성 증가에 대처하는 능력이 제한적입니다.

멀티테넌시는 벡터 데이터베이스에 추가적인 확장성과 관리성을 제공합니다. 멀티테넌시가 올바르게 구성되면 조직에 대한 비용과 리소스를 크게 절감할 수 있습니다.

更多 AI 관련 콘텐츠에 관심이 있으십니까? unite.ai와 함께 유지하세요.