AI 이용해서 자기가 쓴 블로그 글도 검토를 안하고

자기가 무슨 글을 쓰고 있는지

프로젝트에 뭘 적용하고 있는지도 모르는 것 같은데 


DB 부하를 줄이겠다면서 DB에 materialized view 생성 + 주기적 REFRESH라는 꽤 무거운 작업을 넣음

그리고 ES 쓰기 싫다고 DB에 pg_search + pgvector + materialized view + HNSW + binary quantization을 다 때려박노


특히 CONCURRENTLY 옵션은 기존 view를 읽으면서 새로 빌드하므로 일반 REFRESH보다 더 많은 리소스를 소모함;

형태소 분석 자체의 CPU를 줄였지만 

view refresh + BM25 인덱스 리빌드라는 더 큰 DB 부하를 만들었음



단일 키워드("Redis", "MySQL")를 벡터로 검색하면 정확한 매칭을 놓칠 수 있다고 본인도 이 문제를 겪었다는데

-> MySQL 검색 시 PostgreSQL 나오는 문제

해결책이 가중치 조정이라는 임시방편에 그침


기술 블로그 특성상 새로운 기술 용어가 계속 등장하는데

임베딩 모델은 학습 시점의 어휘에 고정됨

"새 단어가 나오면 무시되거나 의미를 잃는 하위 토큰으로 분해된다"는 한계가 있음



그냥 전형적인 AI가 만든걸 팩트체크도 안하고

무작정 도입한 전형적인 글