hydra-db/hydradb

외부 오픈소스 저장소를 소개하는 글입니다. HDATF 제품이 아닙니다.

무엇을 하나

S3 호환 객체 저장소에 데이터를 보관하며 OpenCypher 질의와 Bolt 연결, HTTPS API를 제공하는 Rust 분산 그래프 데이터베이스입니다. 질의 처리 노드와 인덱서의 계산 역할을 분리합니다.

라이선스

AGPL-3.0 네트워크 카피레프트입니다. 수정본을 서비스로 제공해도 소스를 공개해야 합니다. 제품에 쓰기 전에 검토가 필요합니다.

같은 분야 저장소

• mongodb-developer/mongodb-jvm-showcase
  Java와 Kotlin용 MongoDB 독립 예제 프로젝트 모음입니다. 드라이버, 프레임워크, RAG와 벡터 검색 예제를 포함합니다.
• realZachi/pg-jev
  TypeSafe의 Jev가 평가하는 자연어 조건으로 행을 필터링하고 정렬하며 분류하는 PostgreSQL 확장입니다. 생성된 문장 대신 반환된 확률을 사용합니다.
• yifanfeng97/Hyper-Extract
  Hyper-Extract는 문서에서 사실과 관계를 뽑아 지식 그래프 같은 구조화 자료로 바꾸는 Python 라이브러리이며, he CLI와 he-mcp 서버를 함께 제공합니다. 흩어진 문서를 검색과 질의응답에 쓸 지식 자료로 정리하려는 개발자와 분석 담당자를 위한 도구입니다. txt와 md 파일은 바로 읽고, markitdown 기반의 선택 설치 항목을 더하면 PDF, DOCX, PPTX, XLSX도 읽습니다. 결과는 목록, 집합, 그래프, 하이퍼그래프, 시간 그래프, 공간 그래프, 시공간 그래프, 문서 모음 같은 구조로 저장하고 Obsidian, GraphML, CSV, JSON-LD, Cypher 형식으로 내보낼 수 있습니다. 금융, 법률, 의료, 산업 같은 분야별 YAML 템플릿과 GraphRAG, LightRAG, Hyper-RAG, KG-Gen 같은 추출 방법 중에서 골라 씁니다. 추출에는 function calling(정해진 형식으로 답을 돌려받는 호출 방식)을 지원하는 LLM과 OpenAI 호환 embedding 모델이 함께 필요합니다. 공급자 문서에 따르면 Anthropic, Gemini, DeepSeek는 embedding 모델을 따로 짝지어야 하고, Bailian의 qwen-max와 deepseek-v3는 json_object 형식만 지원해 쓸 수 없습니다. 문서마다 출처와 내용 hash를 기록해 바뀐 문서만 다시 처리하고, 문서 하나에서 온 내용만 따로 되돌릴 수도 있습니다. he-mcp 서버는 읽기와 내보내기만 하며 템플릿 목록, 정보 조회, 검색, 질의응답, 내보내기 tool을 제공합니다. 지식 템플릿의 언어 옵션은 중국어와 영어 두 가지이고, 폴더를 지정하면 그 폴더 바로 아래 파일만 읽으며, 글자 층이 없는 PDF는 OCR을 먼저 거쳐야 합니다.
• asciimoo/hister
  방문한 페이지와 로컬 파일의 전체 내용을 색인하는 개인용 검색 엔진입니다. 웹 화면, 터미널, MCP로 연결한 AI 도우미에서 검색할 수 있습니다.
• xerj-org/xerj
  XERJ는 AI 코딩 에이전트 등을 위해 로컬 폴더를 색인하는 Rust 검색 엔진으로, 정적 실행 파일 하나로 배포되며 Elasticsearch REST API를 구현해 기존 Elasticsearch 클라이언트와 Kibana가 연결됩니다. README가 밝히는 주된 용도는 reference coding으로, 에이전트가 작업과 가까운 오픈소스 프로젝트를 내려받아 색인하고 grep으로 찾은 파일 전체 대신 그 풀이 방식을 파일과 줄 위치가 붙은 부분으로 찾아 씁니다. xerj autoindex는 폴더 안 파일을 schema 없이 형식별 index로 만들고, 소스 코드는 tree-sitter로 분석해 심볼과 줄 번호를 남기며, PDF, XLSX, 메일 같은 파일도 처리합니다. 검색은 BM25 full-text, 벡터 kNN, hybrid 질의를 지원하고, /_memory API는 에이전트의 기억을 namespace마다 별도 index에 저장해 키워드, 의미, 벡터로 찾아옵니다. xerj mcp 명령은 도구 13개를 갖춘 stdio MCP 서버로 따로 실행해 둔 node에 호출을 넘기며, xerj init은 XERJ를 Claude Code와 Cursor에 등록합니다. 설치 스크립트나 Linux, macOS, Windows용 실행 파일로 설치하고, 기본 embedder는 오프라인 feature hashing이며 neural embedder를 켜면 처음 한 번 약 90 MB의 모델 파일을 받습니다. 빠른 시작의 --insecure 옵션은 TLS와 API key 인증을 모두 꺼서 포트에 닿는 누구나 superuser가 되게 하며, 그 밖의 방식으로 시작하면 관리자 key로 인증이 켜집니다. SECURITY_MODEL.md는 기본으로 꺼진 TLS, 필드와 문서 단위 보안과 저장 데이터 암호화가 없는 점, index 전체를 guest에게 여는 공유 링크를 한계로 밝힙니다. RERANK.md에 따르면 기본 node는 외부 연결과 telemetry가 없고, 문서 내용을 밖으로 보내는 TypeSafe AI의 Jev 재순위(rerank), proxy embedding, WAL tap, S3 backend는 운영자가 켜야 동작합니다. README가 인용한 프로젝트 자체 연구(4개 언어의 작업 8개)에서 XERJ를 쓴 에이전트의 출력 토큰은 9,982개로 grep 중심 에이전트의 26,477개보다 적었고, 해결은 둘 다 16번 중 16번이었습니다. README는 이 이득이 비공개 코드나 학습 시점 이후 코드에서 나오고 모델이 아는 유명 라이브러리에서는 효과가 없거나 해로울 수 있다고 적으며, 저장소 설명의 40배 절감 수치는 저장소 파일에서 근거를 찾지 못했습니다. 조사 시점의 최신판은 2026-10-12의 release candidate v1.0.0-rc.95였고, LICENSE 파일과 GitHub 메타데이터는 모두 Apache-2.0이며 코드 기여에는 CLA 서명이 필요합니다.

Trendshift 순위 목록에 오른 저장소만 담았고, 목록은 후보를 찾는 데만 썼습니다. 순위 숫자는 옮기지 않았습니다. 설명과 라이선스, 별 수는 각 GitHub 저장소에서 확인했습니다. 해설은 우리의 판단입니다. 이 프로젝트들을 직접 시험한 것은 아니며, 상승 목록에 올랐다고 품질이 증명되지는 않습니다.