Qdrant:向量相似度搜索引擎与向量数据库

Qdrant 是向量相似度搜索引擎和向量数据库。

核验日期

核心信息

以下信息由程序从官方接口读取，不经模型改写。

许可证
Apache-2.0
语言
Rust
维护方
qdrant
核验日期

它是什么

Qdrant 是一个向量相似度搜索引擎和向量数据库。Qdrant 提供一项服务和 API,用于存储、搜索和管理点,即带有附加负载的向量。Qdrant 专为扩展的过滤支持而设计。Qdrant 也提供完全托管的 Qdrant Cloud,其中包含免费套餐。

主要能力

  1. Qdrant 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,以及面向含多个嵌入的对象或 ColBERT 等后期交互模型的多向量搜索。

  2. JSON 负载可以附加到向量上,并通过关键字匹配、全文、数值范围和地理位置等条件进行过滤。

  3. 混合搜索在单次查询中组合多个向量,并通过 RRF 和 DBSF 等可配置的融合策略合并结果。

  4. 项目方称,分布式部署可通过分片和复制横向扩展,并能在零停机的情况下更新或调整集合大小。

  5. 分面功能按负载值聚合搜索结果。

  6. 推荐功能使用正例和负例来查找相似的点。

怎么上手

  1. 本节的 Docker 命令会启动一个没有认证、向所有网络接口开放的不安全部署。

  2. Qdrant 提供一组智能体技能,把其向量搜索能力带入 AI 编码助手。

  3. 项目方称,在将 Qdrant 部署到生产环境之前,应阅读其安装指南和安全指南。

  4. 要从 Python 或 Rust 开始使用 Qdrant Edge,需初始化 EdgeShard 实例,它提供管理数据、查询数据和恢复快照的方法。

  5. Qdrant 提供带有 OpenAPI 3.0 规范的 REST API,可用于生成客户端。

  6. Qdrant 还提供 gRPC 接口。

摘自 README · bash
docker run -p 6333:6333 qdrant/qdrant
摘自 README · python
from qdrant_client import QdrantClient

client = QdrantClient(url="http://localhost:6333")
摘自 README · python
from qdrant_edge import Distance, EdgeConfig, EdgeVectorParams, EdgeShard, Point, UpdateOperation

shard = EdgeShard.create("./shard", EdgeConfig(
    vectors={"my-vector": EdgeVectorParams(size=4, distance=Distance.Cosine)}
))
shard.update(UpdateOperation.upsert_points([
    Point(id=1, vector={"my-vector": [0.1, 0.2, 0.3, 0.4]}, payload={"color": "red"})
]))

适合谁

项目方称,Qdrant 用 Rust 编写,这使其在高负载下也快速可靠。项目方将 Qdrant Edge 描述为 Qdrant 的轻量版本,面向边缘设备和资源受限的环境。与采用客户端-服务器架构的 Qdrant Server 不同,Qdrant Edge 在应用进程内运行。

发现功能把搜索限制在向量空间的特定区域。搜索相关性调优提供调整搜索结果的工具,例如 MMR 和相关性反馈查询。查询规划和负载索引利用已存储的负载信息来优化查询执行策略。

GPU 支持用于加速索引,并支持 NVIDIA 和 AMD GPU。项目方称,预写日志可确保数据持久化并带有更新确认,即使在断电期间也是如此。多租户是为多用户环境对数据进行分区。

可观测性涵盖用于监控和调试的指标、遥测和审计日志。Web UI 提供一种可视化方式来与数据交互并监控部署的健康状况。Web UI 可用于浏览集合、管理数据以及与 REST API 交互。

Qdrant 可以连接嵌入提供方、AI 应用框架和数据管道工具,以及用于监控和追踪生产环境中向量搜索的可观测性平台。Qdrant 采用 Apache License 2.0 版本授权。

来源

本页内容整理自以下官方来源，点击可核对原文。

核验日期 ·

本页由 AI 依据上述官方来源整理，并经自动核对，未经本站实测。 发现错误？告诉我们。