Qdrant

Qdrant‌ 是一个专为‌高性能向量相似度搜索‌设计的开源向量数据库，适用于构建基于大语言模型（ LLM ）和生成式 AI 的应用，如语义搜索、推荐系统、RAG（ 检索增强生成 ）等。

核心特点

‌高性能‌：完全用 ‌Rust‌ 编写，支持 SIMD 指令集和自定义存储引擎（ Gridstore ），实现低延迟、高并发查询 ‌。
‌原生混合检索‌：在数据库内核层面支持 ‌稠密向量（ 语义 ） + 稀疏向量（ 关键词 / BM25 ）‌ 的融合搜索，无需外部拼接 ‌。
‌强过滤能力‌：支持基于元数据（ Payload ）的 ‌预过滤（ Pre-filtering ）‌，搜索时可高效结合条件筛选 ‌‌。

‌灵活部署‌：

• ‌Qdrant Cloud‌：全托管 SaaS 服务，支持 AWS、GCP、Azure。
• ‌Hybrid Cloud / Private Cloud‌：支持自定义 Kubernetes 部署，满足合规与数据主权需求。
• ‌Edge（ Beta ）‌：轻量级版本，适合边缘设备部署 ‌‌。

‌内存效率高‌：支持 ‌Scalar Quantization（ int8 ）‌ 和 ‌Binary Quantization‌，可减少内存占用达 64 倍 ‌‌。

‌开发者友好‌：

• 提供 REST、gRPC 接口及官方 Python、JavaScript 等客户端。
• 内置 Web UI，支持可视化探索与调试 ‌‌。
• 集成 ‌FastEmbed‌，可在本地 CPU 上运行嵌入模型（ 如 BAAI / bge-small-zh-v1.5），无需调用外部 API ‌。

技术架构简述

‌核心组件‌：

• ‌Collection‌：类似关系型数据库中的 “ 表 ”，存储同维度向量。
• ‌Point‌：基本数据单元，包含向量、可选 ID 和 JSON 格式的 Payload（ 元数据 ）。
• ‌索引结构‌：基于优化的 ‌HNSW（ Hierarchical Navigable Small World ）‌ 算法 ‌‌。

‌部署方式‌：

• 单机：Docker 或内存模式（ 适合测试 ）。
• 分布式：支持分片（ Sharding ）与副本（ Replicas ），可处理亿级向量 ‌。

Qdrant 被广泛认为是兼具 ‌Chroma 的易用性‌ 与 ‌Milvus 的高性能‌ 的优选向量数据库 ‌。