본문으로 건너뛰기

그래프 데이터베이스 마이그레이션

✅ 마이그레이션 완료 | 상태: Production

개요​

ONESHIM은 지식 그래프의 성능과 확장성을 위해 그래프 데이터베이스 엔진을 마이그레이션하였습니다. 이를 통해 실시간 그래프 분석, 네이티브 벡터 검색, 간소화된 운영을 달성하였습니다.

마이그레이션 하이라이트​

항목Before (Neo4j + GDS)After (Memgraph + MAGE)
그래프 알고리즘Neo4j GDS 라이브러리 의존Memgraph MAGE 네이티브 모듈
벡터 검색외부 DB (별도 벡터 스토어) 필요Memgraph 네이티브 지원 (HNSW)
그래프 프로젝션GDS 프로젝션 필수 (3단계 프로세스)불필요 (직접 실행)
실시간 업데이트GDS 프로젝션 재생성 필요인메모리 즉시 반영
성능기준~50% 향상

지원 알고리즘​

마이그레이션을 통해 다양한 그래프 알고리즘을 네이티브로 지원합니다.

커뮤니티 탐지 (Community Detection)​

알고리즘호환성용도
Louvain✅ 완전커뮤니티 구조 발견
Label Propagation✅ 완전빠른 커뮤니티 분류
Connected Components✅ 완전연결 구조 분석

중심성 (Centrality)​

알고리즘호환성용도
PageRank✅ 완전노드 중요도 평가
Betweenness Centrality✅ 완전브릿지 노드 탐지
Closeness Centrality✅ 완전접근성 분석

경로 탐색 (Path Finding)​

알고리즘호환성용도
Dijkstra✅ 완전최단 경로
K-Shortest Paths✅ 완전대안 경로 탐색
BFS/DFS✅ 완전그래프 탐색

유사도 및 임베딩​

기능호환성용도
Node Similarity✅ 완전유사 노드 탐색
Node2Vec✅ 완전그래프 임베딩 생성
Link Prediction✅ ML 파이프라인관계 예측

네이티브 벡터 검색​

ONESHIM은 HNSW 인덱스를 통한 네이티브 벡터 검색을 지원합니다.

기능지원
HNSW 인덱스✅
Cosine Similarity✅
양자화 (메모리 최적화)✅
GraphRAG (그래프 + 벡터 통합)✅

GraphRAG 아키텍처​

벡터 검색과 그래프 탐색을 단일 데이터베이스에서 통합 실행하여, 의미적 유사도와 관계 기반 컨텍스트를 동시에 활용합니다.

장점:

  • ✅ 단일 데이터베이스: 운영 복잡도 감소
  • ✅ 원자적 트랜잭션: 벡터 + 그래프 데이터 일관성 보장
  • ✅ 낮은 지연시간: 네트워크 홉 없음
  • ✅ GraphRAG 네이티브: 벡터 검색 후 즉시 그래프 탐색 가능

전문 검색 (Full-text Search)​

소규모 데이터셋에서는 네이티브 텍스트 인덱스를, 대규모 데이터셋에서는 전문 검색 엔진과의 하이브리드 구성을 지원합니다.

시나리오솔루션
소규모 (100K 문서 미만)네이티브 텍스트 인덱스
대규모 (엔터프라이즈)전문 검색 엔진 + 그래프 DB 하이브리드

ML 기반 링크 예측​

ML 기반 Link Prediction은 별도의 ML 파이프라인을 통해 구현됩니다.

성능 비교​

항목Before (Neo4j + GDS)After (Memgraph + MAGE)
PageRank (대규모)Neo4j GDS 기준~50% 빠름 (인메모리)
Community DetectionNeo4j GDS 기준~60% 빠름
그래프 프로젝션GDS 프로젝션 필수 (오버헤드)불필요
실시간 업데이트GDS 프로젝션 재생성 필요즉시 반영
메모리 사용량Neo4j 기준~30% 절감
Graph + Vector 조합Neo4j + 외부 벡터 DB 2단계 쿼리Memgraph 단일 쿼리 통합

참고 자료​

관련 문서: