Milvus、Qdrant、Chroma 到底选哪个？我三个都跑过

王王老师2024/10/20147 阅读

做 RAG 第一步就要选向量数据库。网上对比文章一堆，但大多列功能参数，不说真实使用体验。我把三个主流的都实际跑过项目，说说我的感受。

Chroma：入门首选，但别当生产用。优点是真的简单，pip install chromadb 就能跑，数据存本地目录，几百行代码就能出效果。缺点是单机单进程，并发一高就卡；没有分布式方案；功能相对基础。我的建议：原型验证阶段用它，快速验证检索效果，跑通之后如果量上来了再迁移。

Qdrant：单机生产的甜点位。它用 Rust 写的，性能好，支持过滤、分片、HNSW 参数调优。单机部署一个 docker 容器就能扛住中等规模（百万级向量）。我现在的生产环境用的就是它，docker compose 一条命令起来，API 清晰，官方 SDK 维护得也好。

YAML

services:
  qdrant:
    image: qdrant/qdrant
    ports: ["6333:6333"]
    volumes: ["./qdrant_storage:/qdrant/storage"]

Milvus：大规模分布式，但重。它的目标是十万亿级向量，自带分布式、混合检索、动态 schema。但部署复杂度也上来了，依赖 etcd、MinIO、Pulsar 一堆组件，光 docker compose 就要好几页。如果你的向量量级到千万级、需要横向扩展，选它值得；如果就几百万向量，用 Qdrant 更省心。

几个通用坑：

HNSW 参数默认值不一定适合你。M（每节点连接数）和 efConstruction 影响召回和内存，需要按数据规模调。不调也能跑，但召回率可能不是最优。
元数据过滤别滥用。过滤条件复杂时会退化成全量扫描，性能暴跌。我遇到过加了 5 个过滤条件后查询从 30ms 变 3s。
备份策略。向量库的数据备份和恢复跟关系库不一样，Chroma 直接拷目录，Qdrant 用 snapshot，Milvus 用官方工具。上线前一定要测一次恢复流程。

总结：个人或小团队，Qdrant；想快速出 demo，Chroma；真到海量规模，再考虑 Milvus。别一上来就上重武器。

还没有评论，来抢沙发～

评论0