Weaviate vs Qdrant: 다른 고객의 문서를 걸러 내면 순위 통계도 분리될까?

기업용 하이브리드 검색은 검색 결과 확보, 테넌트 범위, 점수 산정 코퍼스를 함께 확인해야 합니다. 융합 방식, 파티션 설계, 무료 시험 도입의 한계, 유지보수 책임을 비교하고 같은 가중치나 시작 가격을 동등한 구성으로 간주하지 않아야 합니다.

출처: docs.weaviate.io
2026년 11월 2일
10 min

기업 지식베이스는 ‘AX-410 오류’ 같은 모델명을 정확히 찾아야 할 뿐 아니라 ‘장치가 시작된 뒤 계속 재부팅된다’ 같은 설명도 이해해야 합니다. Weaviate와 Qdrant는 모두 하이브리드 검색을 지원합니다. 선택할 때 먼저 물어볼 만한 질문은 고객 A의 요청을 어떻게 A의 자료로 한정하며, 키워드 순위는 누구의 자료를 기준으로 계산하느냐입니다. 내장 BM25와 벡터 검색을 중심으로 융합을 구성하려면 Weaviate부터 검증할 수 있습니다. 이미 여러 검색 경로와 재순위화 파이프라인이 있고 후보 결과를 명시적으로 구성해야 한다면 Qdrant부터 검증할 수 있습니다. 이 글은 2026년 11월 10일에 확인한 공식 자료를 바탕으로 하며, 재현율, 지연 시간, 보안 격리는 실측하지 않았습니다.

같은 하이브리드 검색이라도 조정하는 척도는 다르다

Weaviate의 hybrid 쿼리는 벡터 검색과 BM25F 키워드 검색을 결합하며, 융합 방법과 상대 가중치를 설정할 수 있습니다. 현재 relativeScoreFusion은 두 경로의 점수를 각각 정규화한 뒤 결합하고, rankedFusion은 순위 위치에 따라 융합합니다. alpha는 두 경로의 상대적 기여도를 제어합니다. 팀은 특정 모델명, 같은 뜻의 설명, 두 유형이 섞인 질문으로 각각 검증할 수 있습니다. 특정 기본 가중치를 모든 기업 문서의 최적값으로 여겨서는 안 됩니다.

Qdrant의 Query API는 밀집 벡터, 희소 벡터 또는 전문 검색 인덱스가 있는 텍스트 필드 쿼리를 서로 다른 검색 경로로 사용할 수 있습니다. prefetch로 후보를 얻은 뒤 RRF나 DBSF로 융합하고, 다단계 재순위화도 구성할 수 있습니다. 따라서 ‘Qdrant는 벡터만 처리하고 키워드 검색에는 반드시 별도 검색 엔진이 필요하다’는 과거의 인식을 그대로 적용해서는 안 됩니다. 이러한 유연성은 최종 반환 개수만 입력하는 데 그치지 않고 각 경로의 후보 수와 융합 위치를 팀이 명확히 정해야 한다는 뜻이기도 합니다.

두 플랫폼의 융합 점수를 직접 비교할 수는 없습니다. Weaviate의 정규화 점수 결합과 Qdrant의 순위 융합은 같은 척도가 아니며, 같은 가중치 숫자를 복사한다고 같은 선호가 적용되는 것도 아닙니다. 먼저 문서 분할, 임베딩 모델, 최종 반환 개수, 테스트 질문을 고정하고 키워드 전용 및 벡터 전용 기준선을 모두 유지한 뒤, 하이브리드 결과가 실제로 누락을 보완하는지 확인해야 합니다. 매개변수 조정에 쓰는 질문과 최종 인수 검증 질문은 분리해야 합니다. 반복해서 조정한 소수의 예시를 일반적인 개선으로 오인하지 않기 위해서입니다.

반환 범위와 순위 통계는 따로 확인해야 한다

Weaviate 컬렉션의 멀티테넌시 기능은 명시적으로 활성화해야 하며 기본적으로 켜져 있지 않습니다. 공식 설명에 따르면 각 테넌트는 별도의 shard에 배치되고 테넌트 사이에서는 서로의 데이터가 보이지 않습니다. 고객별로 분리된 지식베이스에 명확한 데이터 구성 방식을 제공하지만, 애플리케이션은 여전히 로그인한 사용자의 신원을 올바른 테넌트에 연결해야 하며 호출자가 다른 사람의 테넌트 이름을 마음대로 선택하게 해서는 안 됩니다. 데이터베이스 파티션이 비즈니스 시스템을 대신해 누가 어느 회사에 속하는지 결정해 주지는 않습니다.

Qdrant는 컬렉션에서 payload 필드로 테넌트를 필터링할 수 있으며 사용자 지정 샤딩 같은 방식도 제공합니다. 놓치기 쉬운 차이는 반환 결과를 테넌트별로 필터링해도 키워드 점수 통계가 자동으로 해당 테넌트만 대상으로 계산되지는 않는다는 점입니다. 현재 문서에 따르면 BM25와 IDF modifier를 활성화한 희소 검색은 기본적으로 shard 범위의 통계를 사용합니다. v1.19.0부터는 idf 검색 매개변수로 통계 코퍼스를 한정할 수 있습니다. 이 코퍼스 필터와 검색 필터는 서로 독립적이므로 전자로 후자를 대체할 수 없습니다. 그렇게 하면 통계 코퍼스에 속하지 않는 포인트가 결과에 나타날 수도 있습니다.

예를 들어 고객 A의 제품 번호가 A의 자료에는 드물지만 고객 B의 자료에는 반복해서 등장할 수 있습니다. 공유 shard와 payload 기반 파티션을 사용하는 팀이라면 이러한 고객 간 단어 빈도가 A의 순위를 바꾸는지 검증해야 합니다. Qdrant의 통계 범위 매개변수로 조정할 수 있지만, 실제 배포 버전과 인덱스, 쿼리 구성을 확인해야 합니다. Weaviate의 테넌트별 shard 설계도 테넌트 라우팅 및 리소스 배분과 함께 검증해야 합니다. 여기서 다루는 것은 데이터 구성 방식의 차이로 생기는 확인 항목이지, 한쪽은 기본적으로 데이터를 유출하거나 다른 쪽은 이미 보안 테스트를 통과했다는 주장이 아닙니다.

무료 시험 도입은 실제 테넌트 구조를 반영할 수 있어야 한다

Weaviate의 현재 무료 클라우드 요금제에는 컬렉션 하나, 최대 세 개의 테넌트, 객체 10만 개, 메모리 1 GB, 디스크 10 GB가 포함됩니다. 시험 도입에 실제 테넌트 네 개의 구조가 필요하다면, 총 객체 수가 적다는 이유만으로 무료 범위에 들어간다고 판단해서는 안 됩니다. Qdrant 무료 클라우드는 단일 노드에 0.5 vCPU, 메모리 1 GB, 디스크 4 GB를 제공하며, 공식적으로 테스트와 프로토타입 용도이고 고가용성은 제공하지 않습니다. 두 ‘무료’ 옵션 모두 쿼리 검증에는 도움이 되지만, 운영 환경 규모, 재해 복구, 모든 테넌트 요구가 충족되었다는 증거는 아닙니다.

유료 예산도 같은 워크로드를 기준으로 비교해야 합니다. Weaviate Flex는 현재 월 45 미국 달러부터 시작하며 임베딩 같은 서비스는 사용량에 따라 별도로 과금됩니다. Qdrant Standard는 리소스 사용량에 따라 요금을 부과하고, 청구서에는 백업 저장 공간과 유료 추론 token도 포함될 수 있습니다. 같은 벡터 차원 수, 객체 수, 인덱스, 복제 요구, 최대 쿼리 부하, 백업 요구를 견적에 반영하고 모델 비용도 별도로 확인해야 합니다. 시작 가격과 다른 업체의 값이 입력되지 않은 계산기만 비교해서는 어느 쪽이 더 저렴한지 알 수 없습니다.

자체 호스팅 역시 일괄적으로 무료인 기업용 패키지는 아닙니다. Qdrant의 주 저장소는 Apache-2.0을 사용합니다. Weaviate의 현재 저장소에서 wl 디렉터리 밖의 코드는 BSD-3-Clause이고, wl 안의 코드는 별도 기업용 라이선스가 필요합니다. 오픈 소스 구성요소의 배포 권한, 기업용 기능의 사용 권한, 클라우드 서비스의 약속은 각각 확인해야 합니다. 유지보수 측면에서 Weaviate 공식 문서는 이미 GraphQL API를 사용 중단 예정으로 표시했으며, 2027년 5월 1일에 Weaviate Cloud에서 종료할 계획입니다. 새 연동은 현재 지원되는 경로를 사용해야 하며, 오래된 튜토리얼을 그대로 따르다가 마이그레이션 작업을 예산에서 빠뜨려서는 안 됩니다.

마지막으로 모델명, 자연어, 답이 없는 경우, 여러 테넌트에 같은 단어가 있는 경우를 포함한 열몇 개의 테스트 질문을 먼저 양쪽에 적용합니다. 후보 출처, 최종 관련 문서, 테넌트 범위, 쿼리 비용, 운영 및 유지보수 작업을 기록한 뒤 지속적으로 유지할 수 있는 구성을 선택합니다. Weaviate는 내장 키워드·벡터 융합과 테넌트별 데이터 구성 방식을 검증할 가치가 있고, Qdrant는 여러 검색 경로와 명시적인 후보 파이프라인을 검증할 가치가 있습니다. 둘 다 기업 지식베이스 후보가 될 수 있습니다. 구매를 결정해야 하는 것은 자체 검색 검증 근거와 운영 책임이지, 업체 순위표의 속도 순위 하나가 아닙니다.

콘텐츠 안내:이 글은 공개 자료를 바탕으로 정리한 도구 선택 참고 자료입니다. 제품 기능, 가격 및 관련 정책은 수시로 변경될 수 있으니 최신 공식 정보를 확인해 주세요.

원문 출처:docs.weaviate.io