pgvecto.rs

在 Postgres 里实现高性能向量搜索，无需迁移数据库。

pgvecto.rs 是一个基于 Rust 开发的 Postgres 向量检索扩展，旨在为 Postgres 数据库提供可扩展、低延迟且支持混合检索的向量搜索能力。它解决了传统数据库难以高效处理大规模向量数据的问题，让开发者无需引入独立的向量数据库，即可在熟悉的 Postgres 环境中实现 AI 应用的语义搜索、推荐系统等功能。其核心能力包括：支持多种索引类型（如 HNSW、IVF）以加速近似最近邻搜索；提供完整的 SQL 集成，兼容标准 Postgres 查询语法；支持向量与标量条件的混合过滤，提升检索精准度；利用 Rust 的内存安全和性能优势，实现高并发低延迟的查询响应。项目设计上注重与现有 Postgres 生态的无缝融合，提供类似 pgvector 的使用体验，但性能更强、功能更丰富，适合对检索性能和混合查询有较高要求的场景。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 2190

维护状态低维护

是否开源是

定价模式 free

项目预览

项目数据

分类开源模型

开发团队tensorchord

所属国家

官网地址https://docs.vectorchord.ai/getting-started/overview.html

GitHubhttps://github.com/tensorchord/pgvecto.rs

定价模式free

价格说明开源项目，Apache-2.0 许可证，完全免费，可自行部署使用。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Rust

技术栈/模型chatgpt,faiss,gpt,hacktoberfest,llm,nearest-neighbor-search,postgres,rust,vector,vector-database

GitHub 星标★ 2190

30天Star增速

HF 下载量

上线时间2023-04-15 00:00:00

代码更新—

仓库体积—

本站数据更新—

维护状态低维护

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2

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

正在加载星标数据…

技术标签

使用教程

—

难度：入门约 10 分钟部署方式：Docker 6 步

环境要求

已安装 Docker 并能拉取镜像
本机安装 psql 命令行工具（PostgreSQL 客户端）
本机 5432 端口未被占用

安装与启动步骤

1启动 Docker 容器

用官方镜像启动带 pgvecto.rs 扩展的 Postgres，镜像标签为 pg17-v0.4.0，容器名 pgvecto-rs-demo。

docker run 
  --name pgvecto-rs-demo 
  -e POSTGRES_PASSWORD=mysecretpassword 
  -p 5432:5432 
  -d ghcr.io/tensorchord/pgvecto-rs:pg17-v0.4.0

2连接数据库

默认用户名 postgres，默认密码 mysecretpassword，回车后按提示输入密码即可进入 psql。
```
psql -h localhost -p 5432 -U postgres
```
3启用 vectors 扩展

在 psql 中执行两条 SQL，先删除已有同名扩展再创建，确保扩展被正确启用。
```
DROP EXTENSION IF EXISTS vectors;
CREATE EXTENSION vectors;
```
4创建向量表

vector(n) 表示 n 维向量，示例建 3 维向量列，n 必须在 1 到 65535 之间。
```
CREATE TABLE items (
  id bigserial PRIMARY KEY,
  embedding vector(3) NOT NULL
);
```
5插入向量数据

可直接用字符串字面量插入，也可用 real[] 数组转换后插入，两种写法都支持。
```
INSERT INTO items (embedding)
VALUES ('[1,2,3]'), ('[4,5,6]');
```
6执行相似度查询

用 <-> 算欧氏距离排序取最相似的 5 条；另有 <#> 负点积、<=> 余弦距离两个运算符。
```
SELECT * FROM items ORDER BY embedding <-> '[3,2,1]' LIMIT 5;
```

关键配置

配置项	必填	说明	示例
`POSTGRES_PASSWORD`	是	设置 Postgres 超级用户 postgres 的密码	`mysecretpassword`
`POSTGRES_USER`	否	默认用户为 postgres，README 未给出其他取值	`postgres`
`5432:5432`	是	将容器 5432 端口映射到宿主机 5432	`5432:5432`

如何确认成功

psql 连接成功，且执行 CREATE EXTENSION vectors; 无报错，再运行向量查询能返回结果即表示部署成功。

常见问题

Q：为什么一定要进 psql 手动启用扩展？

A：镜像只预装了扩展文件，README 明确要求在数据库里执行 DROP EXTENSION IF EXISTS vectors; 再 CREATE EXTENSION vectors; 才能使用向量类型与运算符。

Q：vector(n) 的维度有什么限制？

A：README 说明 1 ≤ n ≤ 65535。直接用无参数的 vector 类型或维度与列定义不符时，将无法在该列上创建索引。

Q：连接时提示认证失败怎么办？

A：确认使用用户名 postgres 与启动容器时 -e POSTGRES_PASSWORD 指定的密码（示例为 mysecretpassword）。

Q：这个项目还推荐继续用吗？

A：README 顶部提示已有新实现 VectorChord，稳定性和性能更好，官方建议用户迁移，并提供了迁移指南链接。

注意事项

README 提示项目已有后继实现 VectorChord，新项目建议评估迁移。
vector 与标量条件可组合做混合过滤检索，适合语义搜索与推荐场景。
命令中的密码 mysecretpassword 仅为示例，生产环境请替换为强密码。

核心亮点

基于 Rust 实现，内存安全且性能卓越，查询延迟低
支持 HNSW 和 IVF 索引，可灵活应对不同数据规模
原生支持混合检索，向量与标量条件可组合过滤

不足之处

项目相对年轻，文档和社区生态有待完善
与成熟扩展如 pgvector 相比，生产环境验证案例较少

适用场景

AI 应用中的语义搜索（如文档、图片、商品检索）
推荐系统需要实时向量相似度匹配
需要结合向量与结构化条件进行精确过滤的场景

替代项目

pgvector、Milvus、Qdrant

项目介绍

pgvecto.rs 是基础设施领域的开源项目，由 tensorchord 开发，2023 年首次发布。

在全站 13,655 个收录项目中，它的 GitHub 星标数（2,190）位列前 30%，在基础设施分类中处于中上游。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2025-02-26。Apache-2.0 许可证，完全免费，可自行部署使用。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（如文档、图片、商品检索）。同类可对比的替代方案包括 pgvector、Milvus、Qdrant。

上一篇：kiro-gateway

下一篇：node-llama-cpp