벡터 DB 비교 : Pinecone, ChromaDB, pgvector

핵심 차이

• Pinecone → 완전 관리형 클라우드, 빠르게 쓰고 싶을 때
• ChromaDB → 로컬 개발/프로토타이핑, 가장 쉬움
• pgvector → 이미 PostgreSQL 쓰고 있으면 추가 인프라 없이 바로 가능---

언제 뭘 써야 하냐면:

• 빠르게 RAG 앱 프로토타이핑 → ChromaDB로 시작
• 프로덕션에 올리고 인프라 신경 쓰기 싫음 → Pinecone
• 이미 PostgreSQL로 유저/상품 데이터 관리 중이고, 벡터 검색 결과를 그 데이터랑 같이 쓰고 싶음 → pgvector (SQL JOIN이 진짜 강점)

비교

호스팅	클라우드 전용	로컬 or 자체 서버	자체 서버 / RDS 등
설치 난이도	매우 쉬움 (API 키만)	매우 쉬움 (pip 한 줄)	중간 (PG 확장 설치)
성능	매우 빠름 (ANN)	중간 (소규모 충분)	중간 (HNSW 인덱스)
확장성	자동 스케일링	제한적	PG 스케일링 따름
비용	유료 (무료 티어 有)	무료	무료 (인프라만)
메타데이터 필터링	지원	where 절 지원	SQL 풀 지원
언어 지원	Python, JS, Go	Python, JS	모든 PG 드라이버
장점	인프라 관리 불필요, 대규모 트래픽에 강함	LangChain 연동 쉬움, in-memory 테스트 가능	기존 DB와 JOIN 가능, 별도 인프라 없음
단점	벤더 종속, 비용 증가 가능	프로덕션 대규모엔 부적합	순수 벡터 DB보단 검색 느림

 

실제 개발 흐름은 ChromaDB로 개발 → Pinecone이나 pgvector로 프로덕션 전환하는 경우가 많아.