이 페이지에서는 OpenSearch Dashboards에 접속하고, “Dev Tools” 를 사용해 OpenSearch REST API를 직접 실행합니다.
Dashboards는 RAG 시스템 자체에는 필수는 아니지만, 인덱스 상태 확인, 검색 결과 디버깅, 쿼리 실험에 매우 유용합니다.
접속 주소 #
로컬 Docker Compose 기준 Dashboards 주소는 다음과 같습니다.
http://localhost:5601
초기 계정은 일반적으로 다음과 같이 사용합니다.
username: admin
password: .env에 설정한 OPENSEARCH_INITIAL_ADMIN_PASSWORDDev Tools 사용 #
Dashboards에 접속한 뒤 Dev Tools 또는 Query Workbench에 해당하는 콘솔에서 REST API를 실행할 수 있습니다.
클러스터 상태 확인
GET /
GET /_cluster/health
인덱스 목록 확인
GET /_cat/indices?v
RAG 실습용 인덱스 존재 여부 확인
HEAD /rag_docs_v1
존재하지 않으면 404 응답이 반환됩니다.
보통 아래와 같이 인덱스가 출력됩니다.
인덱스를 따로 생성하지 않아도 시스템 인덱스(System Indices) 및 내부 관리용 인덱스들이 자동 생성되어 있습니다.
시스템 인덱스 및 내부 관리용 인덱스
| 인덱스 패턴 | 카테고리 | 상세 설명 |
.opendistro_security | 보안 | OpenSearch의 핵심 보안 설정(사용자, 역할, 권한, 인증 방식)이 저장되는 가장 중요한 인덱스입니다. .env에서 설정한 초기 비밀번호 정보도 내부적으로 이와 연관됩니다. |
.kibana_* | UI/설정 | OpenSearch Dashboards(과거 Kibana)의 설정값, 저장된 검색, 시각화 위젯, 인덱스 패턴 정보가 저장됩니다. |
security-auditlog-* | 로그 | 클러스터에 접근한 기록이나 작업 내역을 기록하는 감사 로그입니다. 날짜별로 생성되는 시계열 데이터입니다. |
.plugins-ml-config | ML | Machine Learning 플러그인 사용을 위한 설정값이 저장되는 공간입니다. |
top_queries-* | 성능 | 실행된 쿼리 중 부하가 높거나 자주 실행되는 쿼리를 추적하여 성능 분석용 데이터를 저장합니다. |
테스트용 인덱스 생성
PUT /rag_docs_v1
{
"settings": {
"index": {
"number_of_shards": 1,
"number_of_replicas": 1
}
},
"mappings": {
"properties": {
"doc_id": { "type": "keyword" },
"chunk_id": { "type": "keyword" },
"title": { "type": "text", "analyzer": "standard" },
"content": { "type": "text", "analyzer": "standard" },
"source": { "type": "keyword" },
"doc_type": { "type": "keyword" },
"created_at": { "type": "date" },
"updated_at": { "type": "date" }
}
}
}
테스트 문서 index
아래와 같이 title, content, source 등을 문서를 만들어 인덱스에 삽입해 봅니다.
PUT /rag_docs_v1/_doc/test-1
{
"doc_id": "doc-001",
"chunk_id": "chunk-001",
"title": "OpenSearch RAG 테스트 문서",
"content": "OpenSearch는 검색, 분석, 벡터 검색을 지원하며 RAG 시스템의 retriever로 사용할 수 있습니다.",
"source": "local-test",
"doc_type": "note",
"created_at": "2026-05-07T00:00:00Z",
"updated_at": "2026-05-07T00:00:00Z"
}
테스트 검색
아래와 같이 특정 index에 “RAG retriever” 가 들어간 문서를 검색 요청해봅니다.
GET /rag_docs_v1/_search
{
"query": {
"match": {
"content": "RAG retriever"
}
}
}
이제 아래와 같이 응답 결과를 오른쪽 패널에서 확인할 수 있는 것을 볼 수 있습니다.
