qdrant/qdrant

项目概览

项目提供将 RAM 占用降低多达 97% 的内置量化能力，并提供稠密、稀疏与多向量的统一检索支持，在 AI 检索基建选型中具有可验证的技术区分度。

项目类型

AI 搜索 · 向量数据库 · 基础设施

应用场景

知识问答 · 搜索调研 · 数据分析

部署方式

Docker / Docker Compose

License

Apache-2.0

适合谁

• 需要部署具备丰富负载过滤与多向量检索能力的 AI 应用开发者或团队。
• 关注内存开销并希望通过量化在搜索速度与精度间进行权衡的数据团队。

核心能力

• 支持用于语义相似度的稠密向量、用于全文搜索的稀疏向量以及用于多嵌入或迟交互模型（如 ColBERT）的多向量搜索。
• 可将任意 JSON 负载附加到向量中，并使用关键字匹配、全文、数值范围和地理定位等丰富条件进行过滤。
• 可在单次查询中组合多个向量，结合语义理解与关键字精度，并通过 RRF 和 DBSF 等可配置的融合策略合并结果。
• 内置量化可将 RAM 占用降低多达 97%，允许在搜索速度与精度之间进行权衡调节。
• 支持通过分片和副本进行横向扩展，并可在零停机时间下更新或调整集合大小。
• 提供可视化方式与数据交互、监控部署的健康状况、浏览集合、管理数据并与 REST API 进行交互。
• 提供带有 OpenAPI 3.0 规范的 REST API，以及用于生产级搜索的 gRPC 接口。
• 专为边缘设备和资源受限环境设计的轻量级版本，可在应用进程内运行，具备本地数据和同步功能。

限制与风险

• 项目默认启动的是不带身份验证的不安全部署，且对所有的网络接口开放。
• 运行默认的 Docker 容器会暴露出不安全部署，对所有网络接口开放且无身份验证。

如何开始

• 根据项目提供的快速入门文档，可通过运行单条 Docker 命令启动服务，过程难度较低。

核验依据

• GitHub 项目简介: Qdrant - High-performance, massive-scale Vector Database and Vector Search Engine for the next generation of AI. Also available in the cloud https://cloud.qdrant.io/
• README: Qdrant is written in Rust 🦀, which makes it fast and reliable even under high load.
• README: To experience the full power of Qdrant locally, run the container with this command: ```bash docker run -p 6333:6333 qdrant/qdrant ``` Note that this starts an insecure deployment…
• README: It provides a production-ready service with a convenient API to store, search, and manage points—vectors with an additional payload.
• README: Qdrant supports dense vectors for semantic similarity, sparse vectors for full-text search, and multivector search for objects with multiple embeddings or late interaction models…

内容核验时间：