> Discover all available pages from the documentation index: https://mastra.zisheng.pro/ko/llms.txt

# 터보퍼퍼 벡터 스토어

TurbopufferVector 클래스는 다음을 사용하여 벡터 검색을 제공합니다.[Turbopuffer](https://turbopuffer.com/), RAG 애플리케이션에 최적화된 고성능 벡터 데이터베이스입니다. Turbopuffer는 고급 필터링 기능과 효율적인 저장 관리를 통해 빠른 벡터 유사성 검색을 제공합니다.

## 생성자 옵션

**apiKey** (`string`): Turbopuffer 인증에 사용할 API 키

**baseUrl** (`string`): Turbopuffer API의 기본 URL (Default: `https://api.turbopuffer.com`)

**connectTimeout** (`number`): 연결을 설정하기 위한 제한 시간(ms)입니다. Node와 Deno에만 적용됩니다. (Default: `10000`)

**connectionIdleTimeout** (`number`): 소켓 유휴 제한 시간(ms)입니다. Node와 Deno에만 적용됩니다. (Default: `60000`)

**warmConnections** (`number`): 새 클라이언트를 생성할 때 처음에 열 연결 수입니다. (Default: `0`)

**compression** (`boolean`): 요청을 압축하고 압축된 응답을 수락할지 여부입니다. (Default: `true`)

**consistency** (`'strong' | 'eventual'`): 쿼리의 기본 일관성 수준입니다. 쿼리별로 재정의할 수 있습니다. "strong"은 지연 시간이 늘어나는 대신 쿼리 시작 전에 기록된 모든 데이터를 쿼리에서 볼 수 있도록 보장합니다. "eventual"은 지연 시간이 짧지만 최근에 기록된 데이터가 아직 표시되지 않을 수 있습니다. (Default: `strong`)

**schemaConfigForIndex** (`function`): 인덱스 이름을 받아 해당 인덱스의 구성 객체를 반환하는 콜백 함수입니다. 인덱스별로 명시적 스키마를 정의할 수 있습니다.

## 행동 양식

### `createIndex()`

**indexName** (`string`): 생성할 인덱스의 이름

**dimension** (`number`): 벡터 차원(임베딩 Model과 일치해야 함)

**metric** (`'cosine' | 'euclidean' | 'dotproduct'`): 유사도 검색에 사용할 거리 측정 방식 (Default: `cosine`)

### `upsert()`

**vectors** (`number[][]`): 임베딩 벡터 배열

**metadata** (`Record<string, any>[]`): 각 벡터의 메타데이터

**ids** (`string[]`): 선택적 벡터 ID(제공하지 않으면 자동 생성)

### `query()`

**indexName** (`string`): 쿼리할 인덱스의 이름

**queryVector** (`number[]`): 유사한 벡터를 찾기 위한 쿼리 벡터

**topK** (`number`): 반환할 결과 수 (Default: `10`)

**filter** (`Record<string, any>`): 쿼리용 메타데이터 필터

**includeVector** (`boolean`): 결과에 벡터를 포함할지 여부 (Default: `false`)

**consistency** (`'strong' | 'eventual'`): 이 쿼리의 일관성 수준입니다. 생성자에서 설정한 일관성 수준을 재정의합니다. 기본값은 "strong"입니다.

### `listIndexes()`

인덱스 이름의 배열을 문자열로 반환합니다.

### `describeIndex()`

**indexName** (`string`): 설명을 조회할 인덱스의 이름

보고:

```typescript
interface IndexStats {
  dimension: number
  count: number
  metric: 'cosine' | 'euclidean' | 'dotproduct'
}
```

### `deleteIndex()`

**indexName** (`string`): 삭제할 인덱스의 이름

### `updateVector()`

ID 또는 메타데이터 필터를 기준으로 단일 벡터를 업데이트합니다. `id` 또는 `filter` 중 하나만 제공해야 합니다.

**indexName** (`string`): 벡터가 포함된 인덱스의 이름

**id** (`string`): 업데이트할 벡터의 ID(filter와 함께 사용할 수 없음)

**filter** (`Record<string, any>`): 업데이트할 벡터를 식별하는 메타데이터 필터(id와 함께 사용할 수 없음)

**update** (`{ vector?: number[]; metadata?: Record<string, any>; }`): 업데이트할 벡터 및/또는 메타데이터가 포함된 객체

### `deleteVector()`

**indexName** (`string`): 벡터가 포함된 인덱스의 이름

**id** (`string`): 삭제할 벡터의 ID

### `deleteVectors()`

ID 또는 메타데이터 필터를 기준으로 여러 벡터를 삭제합니다. `ids` 또는 `filter` 중 하나만 제공해야 합니다.

**indexName** (`string`): 삭제할 벡터가 포함된 인덱스의 이름

**ids** (`string[]`): 삭제할 벡터 ID 배열(filter와 함께 사용할 수 없음)

**filter** (`Record<string, any>`): 삭제할 벡터를 식별하는 메타데이터 필터(ids와 함께 사용할 수 없음)

## 응답 유형

쿼리 결과는 다음 형식으로 반환됩니다.

```typescript
interface QueryResult {
  id: string
  score: number
  metadata: Record<string, any>
  vector?: number[] // Only included if includeVector is true
}
```

## 스키마 구성

`schemaConfigForIndex` 옵션을 사용하면 서로 다른 인덱스에 명시적 스키마를 정의할 수 있습니다.

```typescript
schemaConfigForIndex: (indexName: string) => {
  // Mastra's default embedding model and index for memory messages:
  if (indexName === 'memory_messages_384') {
    return {
      dimensions: 384,
      schema: {
        thread_id: {
          type: 'string',
          filterable: true,
        },
      },
    }
  } else {
    throw new Error(`TODO: add schema for index: ${indexName}`)
  }
}
```

## 오류 처리

상점에서는 포착할 수 있는 입력된 오류를 발생시킵니다.

```typescript
try {
  await store.query({
    indexName: 'index_name',
    queryVector: queryVector,
  })
} catch (error) {
  if (error instanceof VectorStoreError) {
    console.log(error.code) // 'connection_failed' | 'invalid_dimension' | etc
    console.log(error.details) // Additional error context
  }
}
```

## 관련된

- [메타데이터 필터](https://mastra.zisheng.pro/ko/reference/rag/metadata-filters)