현대의 AI 및 RAG 애플리케이션에서 높은 검색 관련성을 달성하려면 의미론적 맥락을 위한 벡터 검색과 키워드 정확도를 위한 전문 텍스트 검색(FTS)을 결합해야 합니다. PostgreSQL용 AlloyDB는 두 가지 모두를 지원하지만, 전통적으로 결과 관리 및 병합에는 복잡한 SQL 또는 사용자 지정 애플리케이션 로직이 필요했습니다. 이는 종종 융합, 점수 정규화 및 재순위를 위한 별도의 시스템을 필요로 하여 취약한 로직, 증가된 지연 시간 및 높은 운영 부담으로 이어졌습니다. AlloyDB AI의 하이브리드 검색은 이러한 단계를 Reciprocal Rank Fusion(RRF)으로 구동되는 단일 고성능 SQL 함수로 통합하여 이를 단순화합니다. RRF는 본질적으로 순위 기반이므로 점수 정규화를 우회하여 프로세스를 단순화합니다. ai.hybrid_search() 함수는 전체 워크플로를 네이티브로 실행하여 오버헤드를 최소화하고 트랜잭션 일관성을 보장합니다. FTS 최적화를 위해 RUM 확장은 단어 위치를 인덱스에 직접 저장하여 표준 GIN 인덱스와 달리 저지연 관련성 순위 및 효율적인 구문 일치를 가능하게 합니다. AlloyDB AI는 또한 우수한 즉시 사용 가능한 키워드 기반 점수 지정을 위해 BM25 인덱스를 도입합니다. 다용성을 확장하기 위해 새로운 외부 검색 Foreign Data Wrapper(FDW)를 사용하면 AlloyDB를 벗어나지 않고도 Elasticsearch, OpenSearch 및 Solr와 같은 전문 클러스터를 쿼리할 수 있습니다. 이 통합 아키텍처는 하이브리드 검색을 단순화하고 RUM 또는 BM25과 같은 옵션으로 FTS를 최적화하며 외부 검색 통합을 통해 다용성을 향상시킵니다.