vearch

一键部署分布式向量搜索，让AI应用秒级找到相似内容

vearch 是一个面向 AI 原生应用的分布式向量搜索引擎，由京东开源。它解决了传统数据库无法高效处理高维向量数据的问题，为推荐系统、图像检索、自然语言处理等场景提供毫秒级的相似度搜索能力。vearch 支持多种索引算法（如 HNSW、IVFPQ），提供水平扩展、高可用和实时更新，并内置了简单的 RESTful API 和 Python SDK，方便开发者快速集成。其核心能力包括：分布式部署、多租户支持、混合查询（向量+标量过滤）、以及针对 GPU 的加速优化。vearch 旨在降低向量检索的工程门槛，让开发者能专注于业务逻辑，快速构建 AI 应用。

开源 free 搜索知识

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 2327

维护状态维护中

是否开源是

定价模式 free

项目数据

分类搜索知识

开发团队vearch

所属国家

官网地址https://vearch.github.io

GitHubhttps://github.com/vearch/vearch

定价模式free

价格说明开源项目，Apache-2.0许可证，可免费使用和部署。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型ai-native,ai-native-database,cloud-native,document-retrieval,embeddings,hybrid-search,rag,retrieval-augmented-generation,vector-database,vector-search,vectors

GitHub 星标★ 2327

30天Star增速

HF 下载量

上线时间2019-05-13 00:00:00

最近更新2026-09-19 00:00:00

维护状态维护中

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4

使用教程

难度：进阶约 30 分钟部署方式：Docker 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

Kubernetes 集群（README 的 Quick start 指向 Kubernetes Deployment）
Helm 客户端，用于 vearch-helm 部署（README 给出 vearch-helm 文档入口）
能访问 GitHub 与 vearch 官方文档站点
按业务语言准备对应 SDK 运行环境（Python/Go/Java/Rust）

安装与启动步骤

1获取项目源码

从 GitHub 克隆 vearch 仓库，用于查看各语言 SDK 目录与示例。README 未给出具体安装命令，仅供本地参考。
```
git clone https://github.com/vearch/vearch.git
```
2通读官方文档

README 指向 readthedocs 的中英文教程与 RESTful API 参考文档，部署前应先阅读，确认版本与接口。
3Kubernetes 部署

README 的 Quick start 仅给出 Kubernetes Deployment 入口，按 vearch-helm 文档在 K8s 集群上部署 Vearch。
4在线调试 API

通过官方 OpenAPI 工具页查看并在线调试接口，确认建库、写入与查询的参数和返回结构。
5安装语言 SDK

按业务语言选择 Python、Go、Java 或 Rust SDK，具体安装与用法见仓库中对应 SDK 子目录的 README。

如何确认成功

按官方文档部署后，用 RESTful API 或 SDK 发起一次向量检索，能正常返回相似结果即表示部署成功。

常见问题

Q：README 里没有安装命令，怎么部署？

A：README 的 Quick start 只指向 Kubernetes Deployment（vearch-helm）文档，具体安装命令需以该官方文档为准。

Q：支持哪些语言的客户端？

A：README 列出 Python、Go、Java、Rust 四种 SDK，各自的使用说明在仓库对应的 sdk 子目录 README 中。

Q：如何调用 Vearch 的接口？

A：可参考 RESTful API 教程与参考文档，也可在官方 OpenAPI 工具页在线查看和调试接口。

Q：Vearch 支持哪些检索方式？

A：支持向量检索与标量过滤结合的混合检索，可在毫秒级从百万级对象中返回相似结果。

注意事项

README 节选中未提供任何可直接执行的安装或启动命令，本教程步骤以官方文档入口为主，请勿照搬未验证的命令。
生产环境建议按官方 Kubernetes + Helm 方案部署，以获得复制与弹性扩缩容能力。
中文文档地址为 https://vearch.readthedocs.io/zh_CN/latest，英文为 https://vearch.readthedocs.io/en/latest。
实际端口、镜像版本与配置项请以部署文档为准，README 中未给出相关值。

核心亮点

支持多种索引算法（HNSW、IVFPQ等），兼顾性能与召回率
原生分布式架构，支持水平扩展和高可用，适合大规模数据
提供简洁的 RESTful API 和 Python SDK，集成门槛低

不足之处

文档相对较少，部分高级功能示例不够详尽
社区活跃度一般，问题响应可能不及时

适用场景

推荐系统：基于用户行为向量召回相似物品
图像/视频检索：以图搜图或视频帧相似性匹配
自然语言处理：语义搜索、问答系统或文档去重

替代项目

Milvus、Faiss、Qdrant

项目介绍

vearch 是基础设施领域的开源项目，由 vearch 开发，2019 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（2,327）位列前 30%，在基础设施分类中处于中上游。

项目仍在小幅维护中，最近一次代码更新于 2026-09-19。Apache-2.0许可证，可免费使用和部署。

它主要面向的使用场景是：推荐系统：基于用户行为向量召回相似物品。同类可对比的替代方案包括 Milvus、Faiss、Qdrant。

上一篇：memsearch

下一篇：kernel-memory