기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# 다음 단계 및 리소스
<a name="next-steps"></a>

이 가이드를 검토한 후 다음 작업을 고려하여 이해에서 구현으로 이동합니다.

1. 현재 요구 사항을 평가합니다.
   + 기존 데이터베이스 인프라 및 전문 지식을 평가합니다.
   + 특정 벡터 검색 요구 사항을 문서화합니다.
   + 성능, 규모 조정 및 비용 목표를 정의합니다.

1. 다음 옵션 중 하나를 선택하여 벡터 데이터베이스 옵션을 테스트합니다.
   + **옵션 1:** 선호하는 벡터 데이터베이스 솔루션을 사용하여 개념 증명을 설정합니다.
   + **옵션 2: **Amazon Bedrock 지식 기반에서 샘플 데이터 세트를 실험합니다. Amazon Bedrock 지식 기반에 대한 빠른 생성 환경을 사용해 보세요. 예제는 [Aurora 설명서의 Amazon Bedrock용 Aurora PostgreSQL 지식 기반 빠른 생성을](https://docs.aws.amazon.com/AmazonRDS/latest/AuroraUserGuide/AuroraPostgreSQL.quickcreatekb.html) 참조하세요.

1. 추가 [리소스를](#resources) 검토합니다.

1. 전문가의 도움을 받으세요.
   + 구현 지침은 AWS 계정 팀 또는 AWS 솔루션 아키텍트에 문의하십시오.
   + 벡터 데이터베이스를 전문으로 하는 [AWS 파트너와 협력](https://partners.amazonaws.com/)합니다.

1. 프로덕션 배포를 계획합니다.
   + 기존 데이터베이스에서 이동하는 경우 마이그레이션 전략을 생성합니다.
   + 선택한 솔루션에 대한 조정 계획을 수립합니다.
   + 모니터링 및 유지 관리 절차를 설계합니다.

## 리소스
<a name="resources"></a>

다음 리소스는 벡터 데이터베이스를 선택하는 데 도움이 될 수 있습니다.

### AWS 블로그 게시물
<a name="blog-posts"></a>
+ [Amazon Bedrock 지식 기반 빠른 생성 및 Amazon Aurora Serverless를 사용하여 생성형 AI 애플리케이션 개발 가속화](https://aws.amazon.com/blogs/database/accelerate-your-generative-ai-application-development-with-amazon-bedrock-knowledge-bases-quick-create-and-amazon-aurora-serverless/)
+ [Amazon OpenSearch Service의 벡터 데이터베이스 기능 설명](https://aws.amazon.com/blogs/big-data/amazon-opensearch-services-vector-database-capabilities-explained/)
+ [Amazon Bedrock 지식 기반을 사용하여 벡터 데이터 스토어 심층 분석](https://aws.amazon.com/blogs/machine-learning/dive-deep-into-vector-data-stores-using-amazon-bedrock-knowledge-bases/)
+ [자연어 처리, 챗봇 및 감정 분석을 위해 pgvector 및 Amazon Aurora PostgreSQL 활용](https://aws.amazon.com/blogs/database/leverage-pgvector-and-amazon-aurora-postgresql-for-natural-language-processing-chatbots-and-sentiment-analysis/)

### AWS 서비스 설명서
<a name="service-docs"></a>
+ [AWS 데이터베이스 서비스 선택](https://docs.aws.amazon.com/decision-guides/latest/databases-on-aws-how-to-choose/databases-on-aws-how-to-choose.html)
+ [Amazon Bedrock 지식 기반 작동 방식](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-how-it-works.html)
+ [Neptune Analytics 설명서](https://docs.aws.amazon.com/neptune-analytics/latest/userguide/what-is-neptune-analytics.html)
+ [Amazon Web Services 개요: 데이터베이스](https://docs.aws.amazon.com/whitepapers/latest/aws-overview/database.html)
+ [Aurora PostgreSQL을 Amazon Bedrock의 지식 기반으로 사용](https://docs.aws.amazon.com/AmazonRDS/latest/AuroraUserGuide/AuroraPostgreSQL.VectorDB.html)
+ [Amazon Aurora PostgreSQL 작업](https://docs.aws.amazon.com/AmazonRDS/latest/AuroraUserGuide/Aurora.AuroraPostgreSQL.html)
+ [Amazon DocumentDB](https://docs.aws.amazon.com/documentdb/latest/developerguide/vector-search.html)
+ [Amazon MemoryDB](https://docs.aws.amazon.com/memorydb/latest/devguide/vector-search.html)
+ [Amazon S3 Vectors](https://docs.aws.amazon.com/AmazonS3/latest/userguide/s3-vectors.html)

### 기타 AWS 리소스
<a name="other-aws-resources"></a>
+ [Amazon Bedrock 지식 기반](https://aws.amazon.com/bedrock/knowledge-bases/)
+ [벡터 데이터베이스 및 임베딩](https://aws.amazon.com/solutions/databases/vector-databases-and-embeddings/)
+ [생성형 AI 애플리케이션을 위한 벡터 데이터베이스](https://community.aws/content/2f5dkpj96MDM6Y9lumYPjZAB8SX/vector-databases-for-generative-ai-applications)
+ [Machine Learning의 임베딩이란 무엇입니까?](https://aws.amazon.com/what-is/embeddings-in-machine-learning/)

### 기타 리소스
<a name="other-resources"></a>
+ [PostgreSQL 정보](https://www.postgresql.org/about/)
+ [pgvector 설명서](https://github.com/pgvector/pgvector)
+ [Amazon Bedrock의 지식 기반으로서 Pinecone](https://docs.pinecone.io/integrations/amazon-bedrock)
+ [의 Redis Enterprise Cloud AWS](https://redis.io/docs/latest/integrate/aws-redis-cloud/)