Qdrant：托管/自托管向量数据库

Vector Database：Qdrant 简介和应用场景

Qdrant “是一个向量相似性搜索引擎，它提供了一个生产就绪的服务，具有方便的 API，可以通过额外的有效负载来存储、搜索和管理点（即向量）。”您可以将有效负载视为附加信息，可以帮助您深入搜索并接收可以提供给用户的有用信息。

🌍 链接：https://qdrant.tech/

💡 类型：托管/自托管向量搜索引擎和数据库

🤖 代码：开源

价值主张

具有扩展过滤支持的向量相似度引擎。Qdrant 完全用 Rust 语言开发，实现了动态查询计划和有效负载数据索引。向量负载支持多种数据类型和查询条件，包括字符串匹配、数值范围、地理位置等。有效负载过滤条件允许您构建几乎任何应该在相似性匹配之上工作的自定义业务逻辑。

架构

上图展示了 Qdrant 一些主要组件的高级概述。以下是您应该熟悉的术语。

• 集合：集合是一组命名的点（带有有效负载的向量），您可以在其中进行搜索。同一集合中每个点的向量必须具有相同的维度，并通过单个度量进行比较。命名向量可用于在单个点中包含多个向量，每个向量都可以有自己的维度和度量要求。
• 距离度量：这些用于测量向量之间的相似性，必须在创建集合的同时选择它们。度量的选择取决于向量的获取方式，特别是取决于将用于编码新查询的神经网络。
• 点：点是 Qdrant 运行的中心实体，它们由向量和可选的 id 和有效负载组成。
  • id：向量的唯一标识符。
  • Vector：数据的高维表示，例如图像、声音、文档、视频等。
  • Payload：有效负载是一个 JSON 对象，其中包含可以添加到向量中的附加数据。
• 存储：Qdrant 可以使用两种存储选项之一：内存存储（将所有向量存储在 RAM 中，具有最高速度，因为仅需要持久性进行磁盘访问）或Memmap存储（创建与磁盘上的文件）。
• 客户端：可用于连接到 Qdrant 的编程语言。

算法

Rust 中的自定义HNSW 实现。

相关资料

• 7个向量数据库对比：Milvus、Pinecone、Vespa、Weaviate、Vald、GSI 和 Qdrant