KSCOLD LogoKSCOLD
Blog
Feed
Product
Admin Night
Vault
Guestbook
Info

Vault 목록

Qdrant 메타데이터 필터

연결된 노트와 함께 읽기

Qdrant 메타데이터 필터

2026년 8월 28일

Qdrant 메타데이터 필터

  • payload에 조건을 걸어 검색 대상을 구조적으로 좁히는 기능이다.
  • MongoDB 쿼리 연산자의 $and/$or/$not과 같은 자리인데, 유사도 탐색과 동시에 적용된다는 게 다르다.
Python

세 개의 절

절뜻SQL
must전부 참이어야AND
should하나라도 참이면OR
must_not참이면 제외NOT

조건 하나는 FieldCondition(key=..., match=...) 꼴이다.

매처쓰임
MatchValue(value=x)정확히 x
MatchAny(any=[...])목록 중 하나 ($in)
Range(gte=, lte=)숫자 범위

Qdrant의 진짜 강점

대부분의 벡터 DB는 검색을 끝낸 뒤 결과를 거른다. Qdrant는 HNSW 그래프를 걸어가는 도중에 필터를 적용한다(single-stage). 조건을 만족하는 점들 사이에서만 이동하므로 개수가 보장된다. 자세한 비교는 Pre-filtering vs Post-filtering.

MERMAID

전제 조건

필터에 쓰는 필드에는 Payload Index가 있어야 한다. 없으면 payload를 전부 뒤지는 풀 스캔(Full Scan)이 된다. 필터를 도입하는 순간 payload index도 같이 들어와야 한다.

우리 프로젝트의 현재 상태

검색 경로에서는 query_filter를 아직 쓰지 않는다. Filter/FieldCondition은 문서 삭제 경로에만 있고, 조건 필터링은 파이썬에서 결과를 받은 뒤 한다. 즉 지금은 post-filtering이다. 규모가 작아 문제가 없을 뿐, 문서가 커지면 첫 번째로 바뀔 지점이다.

한 줄 정리

Qdrant 필터는 must/should/must_not로 쓴 payload 조건이고, 탐색 도중 적용되는 게 다른 벡터 DB와의 차이다.

관련

  • Qdrant Point와 Payload
  • Payload Index
  • Pre-filtering vs Post-filtering
  • Qdrant query_points
  • MongoDB 쿼리 연산자

Synapse Map Insight

from qdrant_client.http import models query_filter = models.Filter( must=[ models.FieldCondition(key="category", match=models.MatchValue(value="STATISTICS")), models.FieldCondition(key="block_type", match=models.MatchAny(any=["TDP0033", "TSM0004"])), ], must_not=[ models.FieldCondition(key="is_deprecated", match=models.MatchValue(value=True)), ], )