Appearance
Qdrant
Qdrant 是由柏林的 Qdrant Solutions GmbH 开发的高性能开源向量数据库，成立于 2021 年，创始人是 Andre Zayarni（CEO）和 Andrey Vasnetsov（CTO）。它以 Rust 构建的核心、卓越的 ANN-Benchmarks 表现和强大的过滤能力，成为技术团队构建高性能向量检索系统的首选之一。
核心定位
Qdrant 的核心价值是在保持高召回率的同时实现极致的查询性能。它专为需要复杂过滤条件（payload filtering）的向量搜索场景设计，在标准基准测试中 consistently 处于领先地位。
关键特性
| 特性 | 说明 |
|---|---|
| Rust 核心 | 内存安全、零成本抽象，单节点可支撑 10 万+ QPS |
| 复杂过滤 | 支持 JSON payload 的任意字段过滤，与向量搜索无缝结合 |
| 稀疏向量 | 原生支持 SPLADE、BM42 等稀疏表示 |
| 量化压缩 | 标量量化、乘积量化，内存占用降低 4-8 倍 |
| 分布式模式 | 内置集群、分片与复制，无需外部协调服务 |
| 快照备份 | 原生支持数据快照与恢复 |
架构要点
- 开源（Apache 2.0）：完整源代码开放
- 云托管：Qdrant Cloud 提供全托管服务，另有 Hybrid Cloud 部署选项
- 存储：自定义 HNSW 实现 + payload 存储，支持内存映射处理超大数据集
- WAL（预写日志）：确保数据持久性与崩溃恢复
- 自动分片：数据自动分区，集群扩容时自动重新平衡
- API：REST 与 gRPC 双接口，官方提供 Python、Go、Rust、TypeScript 客户端
性能表现
- ANN-Benchmarks：在多个标准数据集上 consistently 排名前列
- 过滤 ANN：在带过滤条件的向量搜索基准中表现尤为突出
- 延迟：内存索引 P99 低于 10ms
- 吞吐量：优化硬件上单节点可达 10 万+ 查询/秒
- 内存效率：量化后可在同等硬件上处理 4-8 倍数据量
主要应用场景
- LLM/RAG 应用：带元数据过滤的快速检索，如按用户权限、时间范围筛选文档
- 推荐系统：实时个性化推荐，结合用户画像过滤
- 视觉搜索：图像相似性检索，支持多模态 embedding
- 异常检测：安全监控中的相似性模式识别
融资与商业
- 累计融资约 2,800 万美元（Seed $2M，Series A $11M，后续追加）
- GitHub 星标超过 15,000，开源社区非常活跃
- 客户包括 Deloitte、Bayer、Airbus、Jina AI 等
差异化优势与局限
| 优势 | 局限 |
|---|---|
| 多数基准测试中的性能领先者 | 开发者体验不如 Chroma 简洁 |
| Rust 带来的内存安全与速度 | GraphQL 等高级查询功能缺失 |
| 过滤向量搜索能力极强 | 小规模场景（<10万向量）可能"杀鸡用牛刀" |
| 开源社区活跃，迭代快 | 企业级功能（SSO、审计日志）需商业版 |