qdrant

上亿条数据秒级搜到最像的那条,AI 应用嗖嗖快

用 Rust 编写的高性能向量数据库与向量检索引擎,专为新一代 AI 应用设计,支持亿级向量的规模化管理与毫秒级相似度搜索。内置丰富的过滤条件与多种距离度量,并提供云托管服务,是构建 RAG、推荐系统与语义搜索等场景的热门基础设施选择。

开源 freemium 搜索知识
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 34756
维护状态 活跃
是否开源
定价模式 freemium

项目数据

分类搜索知识
开发团队qdrant
所属国家
定价模式freemium
价格说明开源版免费,云服务提供免费层和按量付费,具体价格需查看官网。
访问状态
是否开源
开源协议Apache-2.0
主要语言Rust
技术栈/模型ai-search,ai-search-engine,embeddings-similarity,hnsw,hybrid-search,image-search,knn-algorithm,machine-learning,mlops,nearest-neighbor-search,neural-network,neural-search,recommender-system,search,search-engine,search-engines,similarity-search,vector-database,vector-search,vector-search-engine
GitHub 星标★ 34756
30天Star增速
HF 下载量
上线时间2020-05-30 00:00:00
最近更新2026-09-22 00:00:00
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数6

使用教程

难度:入门 约 10 分钟 部署方式:云服务 5 步

⚠ 该项目 README 未提供完整安装说明,以下步骤为通用流程,请以官方文档为准。

环境要求

  • 能正常访问 GitHub 仓库与 Qdrant 官网、文档站
  • 如走云托管,需要一个 Qdrant Cloud 账号
  • 如走自建分布式部署,需要可横向扩展的服务器环境

安装与启动步骤

  1. 1阅读仓库说明

    先看 README 了解项目定位:Qdrant 是面向新一代 AI 应用的向量相似度搜索引擎,核心用于向量检索。

  2. 2查阅官方文档

    README 只提供概览,具体安装、鉴权与 API 调用方式需到官网和 OpenAPI 文档中查看。

  3. 3选择部署方式

    README 给出两条路线:使用 Qdrant Cloud 云托管,或自行做分布式部署(分片与副本)。

  4. 4规划分布式部署

    若选自建,按 README 说明通过分片与副本横向扩展,并支持零停机更新或调整 collection。

  5. 5进入控制台或接口

    云托管用户登录 Qdrant Cloud 控制台创建集群,自建用户访问本地服务地址进行后续配置。

如何确认成功

能正常登录 Qdrant Cloud 控制台,或用自建服务地址成功建立连接并获取到集群信息,即为成功。

常见问题

Q:Qdrant 是免费开源的吗?

A:是,仓库采用 Apache 2.0 许可,可自行部署;同时官方也提供 Qdrant Cloud 托管服务,按需选用。

Q:README 里为什么没有安装命令?

A:本次节选只包含项目概览与分布式部署的说明,具体安装与使用步骤请以官网和 OpenAPI 文档为准。

Q:能不能既不自建也不用云?

A:README 只提到云托管与自建分布式部署两种路径,其它方式未作说明,建议按官方文档确认。

注意事项

  • 本教程依据 README 节选整理,未包含的命令与端口一律未作推测,请以官方文档为准
  • 生产环境建议启用分片与副本实现横向扩展,并利用零停机能力调整 collection
  • 自建集群时注意提前规划算力与向量规模,避免后期扩容困难

核心亮点

  • Rust实现的高性能向量数据库,支持亿级向量规模,检索延迟低
  • 内置HNSW索引和混合搜索(稀疏+稠密),支持过滤与向量检索结合
  • 提供丰富的API(Python/Go/JS等)和云服务,部署灵活,社区活跃

不足之处

  • 相比Milvus等竞品,分布式集群能力相对有限,单机性能突出但扩展性需依赖企业版
  • 文档部分高级特性(如混合搜索调参、分片策略)示例不够深入,需社区补充

适用场景

  • AI应用中的语义搜索(如RAG、推荐系统)
  • 图像/音频等多媒体相似性检索
  • 需要低延迟、高吞吐的实时向量匹配场景

替代项目

Milvus、Weaviate、Pinecone

项目介绍

qdrant 是基础设施领域的开源项目,由 qdrant 开发,2020 年首次发布。

在全站 13,014 个收录项目中,它的 GitHub 星标数(34,756)位列前 2%,在基础设施分类的 1,130 个项目里位列前 3%。

近 44 天,它的 GitHub 星标从 33,887 增加到 34,756,净增 869。

项目目前处于活跃维护状态,最近一次代码更新于 2026-09-22。开源版免费,云服务提供免费层和按量付费,具体价格需查看官网。从国内网络环境看,可直接访问。

它主要面向的使用场景是:AI应用中的语义搜索(如RAG、推荐系统)。同类可对比的替代方案包括 Milvus、Weaviate、Pinecone。

上一篇:gitmoney-public-framework

下一篇:endee

同类项目推荐

freebuff-proxy 开源

聚合多账号,一键接入 OpenAI 兼容 API,轻松管理会话。

Multi-account OpenAI-compatible gateway for coding models. Pooled keys, session life···

★ 213 2026-08-20
microduck 开源

用 Rust 造一只会走路的桌面小鸭,快速上手双足机器人。

A Tiny biped duck robot

★ 8684 2026-09-10
soperator 开源

用 Kubernetes 原生方式运行 Slurm,简化 HPC 集群管理。

Run Slurm in Kubernetes

★ 439 2026-08-10
ollama 开源

一条命令本地跑起大模型,免费、私密、不卡顿

Get up and running with Kimi, GLM, MiniMax, DeepSeek, gpt-oss, Qwen, Gemma and other···

★ 181484 2026-08-09