객체 스토리지(source of truth) + NVMe SSD·메모리 계층 캐시로 “매우 싸고 충분히 빠른” 검색을 제공하는 서버리스 검색 엔진. 서버리스 벡터 DB(v1)로 출시해 전문 검색·정규식·집계를 갖춘 범용 검색 엔진(v2)으로 확장했다.
핵심 사실
- 버전: v1(ID + 벡터, SPANN → SPFresh 클러스터링 인덱스), v2(속성 필터·BM25 FTS·정규식·퍼지·스파스 벡터·집계), v3(ANN을 보조 인덱스로 내리는 새 저장 구조, 개발 중, 2026-09 초 CI 100% 통과).
- 사용처(회사 블로그 기준): cursor, Notion(초기 고객), Linear 동기화 엔진(비검색 용도).
- 자체 수치: 1T+ 문서, 10M+ writes/s, 25k+ queries/s, 단일 인덱스 100B+ 벡터에서 p99 200ms(1k+ QPS).
- v3 설계 동기: 모든 데이터가 ANN 클러스터 주소 아래 묶여 생기는 저장·쓰기 증폭과, 클러스터 크기(약 100~200문서)에 갇힌 벡터화 한계. 상세는 2026-10-03-turbopuffer-rip-vector-database.
- 생태계: NVIDIA Nemotron 3 Embed 임베딩 모델을 통합한 업체 중 하나로 언급된다(2026-07-20-pytorchkr-topic-11308-nvidia-rteb-1-nemotron-3-embed-feat-rag).
관련
- 2026-10-03-turbopuffer-rip-vector-database — v3 재설계 글(“RIP, vector database”) 정리
- 2026-10-03-geeknews-digest — 같은 글이 “벡터 DB의 범용 검색 엔진화”로 소개된 다이제스트
- 2026-09-29-news-hada-34472-lambdadb-data-versioning — 객체 스토리지 위 불변 파일로 검색을 서빙하는 비슷한 계열(LambdaDB)
- moc-dev-tools — 데이터 & 문서 섹션