ZVec: 벡터 DB는 서버가 아니라 앱 안에 들어가는 겁니다
Summary ZVec은 알리바바의 Proxima 엔진을 기반으로 한 오픈소스 벡터 데이터베이스로, 서버 없이 앱에 내장해 벡터·전문 검색과 필터를 결합한 하이브리드 검색을 제공합니다. 설치와 사용이 간편하고 온디바이스 RAG 등에 적합하지만, 아직 1.0 이전 버전이며 쓰기는 한 번에 하나의 프로세스만 가능합니다.
- ZVec은 서버 없이 앱 안에 직접 심어 쓰는 초경량 벡터 DB입니다. 설치 한 줄이면 바로 검색이 시작됩니다.
- 알리바바의 실전 검색 엔진 Proxima를 기반으로, 수십억 개 벡터를 밀리초 단위로 찾습니다.
- 벡터 검색·전문 검색·필터를 한 번의 쿼리로 합치는 하이브리드 검색까지 되는데, 설정 파일도 서버도 필요 없습니다.

RAG를 만들어보려고 벡터 DB부터 띄우려니, 도커도 띄워야 하고 설정 파일도 만져야 하고 포트도 열어야 합니다. 검색 한 번 해보려고 인프라를 먼저 세우는 셈입니다. 이런 적 있으시죠? 이 순서를 뒤집은 데이터베이스가 있습니다. 벡터 DB를 서버로 띄우는 게 아니라, 앱 안에 직접 심어버리는 겁니다!
🎥
ZVec, 뭐가 다른가요?
ZVec은 알리바바가 공개한 오픈소스 벡터 데이터베이스입니다. 별명이 ‘벡터 DB계의 SQLite’입니다. SQLite가 데이터베이스를 파일 하나로 만들어 앱 안에 넣듯, ZVec은 벡터 검색을 라이브러리로 만들어 앱 안에 넣습니다. 서버도, 데몬도, 네트워크 호출도 없습니다. 순수 로컬입니다!
핵심은 기반 엔진입니다. ZVec은 알리바바의 실전 검색 엔진 Proxima를 품고 있습니다. 알리바바 검색·추천·광고 시스템에서 수십억 건의 쿼리를 처리한 엔진입니다. 그래서 가볍지만 성능은 실전용입니다.
설치하고 바로 검색, 얼마나 간단한가요?
설치는 한 줄입니다! pip install zvec — 끝입니다. 설정 파일도 없고, 서버를 띄울 필요도 없습니다. Python 3.10부터 3.14까지 64비트 환경에서 돌아갑니다. Node.js·Go·Rust·Java·Dart/Flutter용 SDK도 있습니다.
1분이면 충분합니다. 컬렉션 스키마를 정하고, 컬렉션을 만들고, 문서를 넣고, 쿼리를 날립니다. 코드로 쓰면 이렇습니다.
import zvec
collection = zvec.create_and_open(path="./zvec_example", schema=schema)
collection.insert([zvec.Doc(id="doc_1", vectors={"embedding": [0.1, 0.2, 0.3, 0.4]})])
results = collection.query(zvec.Query(field_name="embedding", vector=[0.4, 0.3, 0.3, 0.1]), topk=10)데이터는 WAL(쓰기 전 로그)로 안전하게 저장됩니다. 프로세스가 갑자기 꺼지거나 전원이 나가도 데이터가 날아가지 않습니다. 읽기는 여러 프로세스가 동시에 할 수 있습니다.
벡터만 찾는 게 다가 아니죠?
ZVec은 벡터 검색만 하는 게 아닙니다. 조밀 벡터와 희소 벡터를 함께 쓰고, 키워드 기반 전문 검색도 네이티브로 지원합니다. 여기에 구조화된 필터까지, 이 세 가지를 하나의 쿼리로 합쳐서 결과를 냅니다. 이게 하이브리드 검색입니다. 의미로 찾고, 키워드로 찾고, 조건으로 거르는 걸 한 번에 합니다.
얼마나 빠른가요?
숫자가 말해줍니다. 공식 벤치마크에서 ZVec은 초당 8,475건의 쿼리를 기록했습니다. 2위인 ZillizCloud 3,957건의 두 배가 넘습니다! Pinecone 1,131건, QdrantCloud 446.9건과는 격차가 더 큽니다. 1,000만 개 벡터 규모에서의 측정입니다.
이 숫자 하나가 저는 가장 와닿았습니다. 8,475라는 QPS가, 서버 없이 앱 안에서 나온 숫자라는 점입니다.

게다가 이건 혼자 달린 결과가 아닙니다. GitHub에서 별 16,000개가 넘었고, 최신 버전은 v0.8.1입니다. Apache 2.0 라이선스로 열려 있습니다. Linux·macOS·Windows·Android·iOS에서 돌아가고, 노트북·서버·CLI 도구·엣지 기기까지 코드가 돌아가는 곳이면 어디서나 됩니다.
그래서 어디에 쓰면 좋을까요?
RAG가 첫 번째입니다. 문서 임베딩을 저장하고 질문과 비슷한 문서를 찾는 게 RAG의 심장인데, 그걸 앱 안에 넣으면 배포가 훨씬 가벼워집니다. AI 에이전트, 시맨틱 검색, 추천, 코드 검색도 같은 맥락입니다. 특히 온디바이스 RAG — 클라우드 없이 기기 안에서 돌아가는 검색 — 에 잘 맞습니다.
아쉬운 점은 없나요?
짚을 점도 있습니다. 아직 정식 1.0 전 버전(v0.8.1)이라 API가 바뀔 수 있습니다. 그리고 쓰기는 단일 프로세스만 독점합니다. 읽기는 여러 프로세스가 동시에 할 수 있지만, 쓰기는 한 번에 하나의 프로세스만 가능합니다. 여러 곳에서 동시에 쓰는 구조라면 이 제약을 먼저 확인해야 합니다.
벡터 DB는 서버가 아니라 앱 안에 들어가는 겁니다. ZVec은 그걸 가장 단순하게 만든 선택지입니다!
GitHub 계정으로 로그인하여 댓글을 남겨보세요. GitHub 로그인
댓글 시스템 설정이 필요합니다
GitHub Discussions 기반 댓글 시스템을 활성화하려면:
- Giscus 설정 페이지에서 설정 생성
- GISCUS_SETUP_GUIDE.md 파일의 안내를 따라 설정 완료
- Repository의 Discussions 기능 활성화
Repository 관리자만 설정할 수 있습니다.