---
tags: [AI-Agent, 도구, Database]
---

# PostgreSQL

> 오픈소스 객체-관계형 데이터베이스(ORDBMS). 1986년 UC Berkeley POSTGRES 프로젝트에서 출발해 현재 PostgreSQL Global Development Group이 개발한다.

## 특징
- ANSI SQL 표준을 폭넓게 준수하며 트랜잭션(ACID), MVCC 기반 동시성 제어를 제공한다.
- JSONB, 배열, 범위형, 사용자 정의 타입 등 풍부한 데이터 타입을 지원한다.
- 확장(extension) 생태계가 강력하다. 특히 `pgvector` 확장으로 벡터 유사도 검색을 네이티브로 수행할 수 있다.
- 전문 검색(full-text search), GIN/GiST 인덱스, 파티셔닝, 논리적 복제 등 엔터프라이즈 기능을 갖춘다.

## 에이전트에서의 활용
- **벡터 저장소**: `pgvector`를 쓰면 별도 벡터 DB 없이 임베딩을 저장·검색할 수 있어 RAG 파이프라인을 단순화한다. 메타데이터(관계형 컬럼)와 벡터를 한 테이블에서 함께 다룰 수 있는 것이 장점이다.
- **하이브리드 검색**: 키워드(전문 검색)와 벡터 검색을 한 쿼리에서 결합하기 쉽다.
- **상태·메모리 저장**: 대화 기록, 체크포인트, 작업 큐 등 트랜잭션 무결성이 중요한 상태 데이터를 안정적으로 보관한다. LangGraph 등 프레임워크의 체크포인터 백엔드로도 흔히 쓰인다.

## 장단점
- **장점**: 무료·오픈소스, 검증된 안정성, 관계형+벡터+JSON을 한곳에서 처리, 운영 인력의 친숙도가 높다.
- **단점**: 초대규모 분산 환경에서는 수평 확장 설정이 까다롭다. 전용 벡터 DB 대비 초고차원·초대량 벡터 검색 성능 튜닝에 노하우가 필요하다.

## 언제 쓰나
- 이미 PostgreSQL을 운영 중이거나, 관계형 데이터와 벡터 검색을 한 시스템에서 통합 관리하고 싶을 때.
- 중소 규모 RAG에서 인프라 구성요소를 최소화하고 싶을 때.

https://www.postgresql.org

## 관련 노트
- [[Vector Database]]
- [[Hybrid Retrieval]]
- [[Embedding]]
- [[RAG Architecture]]
- [[MariaDB]]
- [[DynamoDB]]