Chromadb 사용 예시

ChromaDB 상세 사용 예제

1. 기본 설정 및 컬렉션 생성

import chromadb
from chromadb.config import Settings

# ChromaDB 클라이언트 생성
client = chromadb.Client(Settings(
    chroma_db_impl="duckdb+parquet",
    persist_directory="./chroma_storage"  # 데이터 영구 저장 경로
))

# 컬렉션 생성
collection = client.create_collection(
    name="book_collection",
    metadata={"description": "책 정보 저장소"}
)

2. 데이터 임베딩 및 추가

from sentence_transformers import SentenceTransformer

# 임베딩 모델 로드
embedding_model = SentenceTransformer('all-MiniLM-L6-v2')

# 샘플 책 데이터
books = [
    "데미안 - 헤르만 헤세의 소설",
    "1984 - 조지 오웰의 디스토피아 소설",
    "홍길동전 - 허균의 고전 소설"
]

# 임베딩 생성
embeddings = embedding_model.encode(books)

# ChromaDB에 데이터 추가
collection.add(
    embeddings=embeddings.tolist(),
    documents=books,
    ids=[f"book_{i}" for i in range(len(books))]
)

3. 유사도 검색

# 쿼리 임베딩 생성
query = "소설 추천해줘"
query_embedding = embedding_model.encode([query]).tolist()

# 유사도 검색 수행
results = collection.query(
    query_embeddings=query_embedding,
    n_results=2  # 상위 2개 결과 반환
)

# 결과 출력
for i, doc in enumerate(results['documents'][0]):
    print(f"유사도 결과 {i+1}: {doc}")
    print(f"유사도 점수: {results['distances'][0][i]}")

4. 고급 필터링

# 메타데이터를 포함한 컬렉션 생성
collection_with_meta = client.create_collection(
    name="advanced_book_collection",
    metadata={"type": "book_catalog"}
)

# 메타데이터 포함 데이터 추가
collection_with_meta.add(
    embeddings=embeddings.tolist(),
    documents=books,
    ids=[f"book_{i}" for i in range(len(books))],
    metadatas=[
        {"genre": "소설", "author": "헤르만 헤세"},
        {"genre": "디스토피아", "author": "조지 오웰"},
        {"genre": "고전", "author": "허균"}
    ]
)

# 메타데이터 기반 필터링
filtered_results = collection_with_meta.query(
    query_embeddings=query_embedding,
    where={"genre": "소설"},  # 소설 장르만 필터링
    n_results=1
)

5. 컬렉션 관리

# 컬렉션 목록 확인
print(client.list_collections())

# 특정 컬렉션 삭제
client.delete_collection(name="book_collection")

주의사항

• 임베딩 모델 선택에 따라 성능 차이 발생
• 대규모 데이터셋에서는 성능 최적화 필요
• 정기적인 데이터 백업 권장

활용 팁

• 다양한 임베딩 모델 실험
• 메타데이터 활용으로 검색 정확도 향상
• 프로젝트 특성에 맞는 모델 선택