qdrant-vector-search

用途

Qdrant 是一个用 Rust 编写的高性能向量数据库，面向生产环境的 RAG（检索增强生成）与语义搜索。官方建议在以下场景使用：构建要求低延迟的生产级 RAG 系统；需要混合搜索（向量 + 元数据过滤）；需要分片/复制的水平扩展；希望私有化部署并完全掌控数据；需要在单条记录中存储多向量（稠密 + 稀疏）；构建实时推荐系统。

如果追求更简单的搭建与嵌入式使用，可考虑 Chroma；追求极致原始速度、研究或批处理，可考虑 FAISS；偏好全托管、零运维，可考虑 Pinecone；偏好 GraphQL 与内置向量化器，可考虑 Weaviate。

主要能力

Rust 驱动：内存安全、高性能。
丰富的过滤：搜索时可基于任意 payload 字段过滤。
多种向量：每个 point 支持稠密、稀疏、多稠密向量。
量化：标量、乘积、二值量化以节省内存。
分布式：Raft 共识、分片、复制。
REST + gRPC：两套 API 功能完全对等。

核心概念包括：Points（数据基本单元 = ID + 向量 + payload）、Collections（向量容器）、距离度量（COSINE、EUCLID、DOT、MANHATTAN）。

使用方式

安装：

# Python 客户端
pip install qdrant-client

# Docker（开发推荐）
docker run -p 6333:6333 -p 6334:6334 qdrant/qdrant

# Docker 带持久化存储
docker run -p 6333:6333 -p 6334:6334 \
    -v $(pwd)/qdrant_storage:/qdrant/storage \
    qdrant/qdrant

基础用法（连接、创建集合、插入、检索）：

from qdrant_client import QdrantClient
from qdrant_client.models import Distance, VectorParams, PointStruct

client = QdrantClient(host="localhost", port=6333)

client.create_collection(
    collection_name="documents",
    vectors_config=VectorParams(size=384, distance=Distance.COSINE)
)

client.upsert(
    collection_name="documents",
    points=[
        PointStruct(id=1, vector=[0.1, 0.2], payload={"title": "Doc 1", "category": "tech"}),
        PointStruct(id=2, vector=[0.3, 0.4], payload={"title": "Doc 2", "category": "science"})
    ]
)

results = client.search(
    collection_name="documents",
    query_vector=[0.15, 0.25],
    query_filter={"must": [{"key": "category", "match": {"value": "tech"}}]},
    limit=10
)

文档还给出了：集合 HNSW 配置与距离度量、基础/过滤/批量搜索、与 sentence-transformers、LangChain、LlamaIndex 的 RAG 集成、命名向量与稀疏向量（BM25、SPLADE）多向量支持、标量量化与重打分、payload 索引、Qdrant Cloud 连接、性能调优、最佳实践与常见问题（过滤检索慢、内存不足、连接问题）的处理方式，以及分布式模式、混合搜索、推荐等进阶主题的引用链接。

适用场景

生产级 RAG 检索、语义搜索、实时推荐、需要元数据过滤的向量检索、需要水平扩展或私有化部署的向量存储场景。

限制与说明

具体收费、价格、性能基准与平台细节在所提供的资料中暂未提供，需以官方文档为准。
分布式、混合搜索、推荐等仅以引用形式提及，资料未展开具体内容。

资源

GitHub: https://github.com/qdrant/qdrant （22k+ stars）
Docs: https://qdrant.tech/documentation/
Python Client: https://github.com/qdrant/qdrant-client
Cloud: https://cloud.qdrant.io
Version: 1.12.0+
License: Apache 2.0

技能介绍

用途

主要能力

使用方式

适用场景

限制与说明

资源