Qdrant

Hochleistungs-Vektordatenbank für semantische Suche und RAG-Anwendungen — GPU-beschleunigtes Indexing

Qdrant ist eine Open-Source-, produktionsreife Vektordatenbank, die in Rust geschrieben ist. Sie bietet schnelle Approximate Nearest Neighbor (ANN)-Suche über Milliarden von Vektoren mit erweiterten Filtermöglichkeiten, Payload-Indexierung und Multi-Vektor-Unterstützung. Sie ist das Rückgrat vieler Produktions-RAG-(Retrieval-Augmented Generation)-Pipelines und semantischer Suchanwendungen.

GitHub: qdrant/qdrant — 22K+ ⭐

---

Warum Qdrant?

Funktion	Qdrant	Pinecone	Weaviate	Chroma
Open Source	✅	❌	✅	✅
Rust-Leistung	✅	—	❌ Go	❌ Python
Filterung zur Abfragezeit	✅ Erweitert	✅ Grundlegend	✅	✅ Grundlegend
Multi-Vektor	✅	❌	✅	❌
Festplattenbasiertes HNSW	✅	✅	✅	❌
Payload-Indexierung	✅	Begrenzt	✅	Begrenzt
gRPC + REST	✅ Beides	✅ REST	✅	REST
Self-hosted	✅	❌ Nur Cloud	✅	✅

Qdrant ist in Rust geschrieben — liefert C‑ähnliche Leistung mit Speichersicherheit. Benchmark-Tests zeigen, dass Qdrant konsequent 1,5–3x schneller als Python-basierte Alternativen wie Chroma bei Szenarien mit hoher Belastung.

---

Wesentliche Anwendungsfälle

• RAG (Retrieval-Augmented Generation) — finde relevanten Kontext für LLM-Prompts

• Semantische Suche — Suche nach Bedeutung, nicht nur nach Schlüsselwörtern

• Empfehlungssysteme — finde ähnliche Elemente anhand von Embedding-Ähnlichkeit

• Duplikaterkennung — identifiziere nahezu identische Inhalte

• Anomalieerkennung — finde Vektoren, die weit von Clusterzentren entfernt sind

• Bild-/Audio-Ähnlichkeitssuche — multimodales Retrieval

---

Voraussetzungen

• Clore.ai-Konto mit GPU-Vermietung

• Grundlegende Vertrautheit mit REST-APIs oder Python

• Dein bevorzugtes Embedding-Modell (OpenAI, SentenceTransformers, etc.)

---

Schritt 1 — Miete einen Server bei Clore.ai

Qdrant ist primär CPU-/RAM-gebunden beim Serving, profitiert aber von GPU, wenn:

• Embeddings gleichzeitig mit dem Serving erzeugt werden (Embedding-Modell auf demselben Server)

• Groß angelegte Batch-Indexierungsoperationen

1. Gehe zu clore.ai → Marktplatz

2. Für Kombination aus Embeddings + Serving: RTX 3090/4090 mit 32GB+ RAM

3. Für nur Serving: CPU-optimierter Server mit schnellem NVMe-Speicher

Speicherplanung:

• Jeder float32-Vektor mit 1536 Dimensionen = 6KB

• 1 Million Vektoren = ~6GB RAM

• 10 Millionen Vektoren = ~60GB RAM

• Aktiviere On-Disk-Speicherung für sehr große Sammlungen

---

Schritt 2 — Qdrant-Container bereitstellen

Docker-Image:

qdrant/qdrant:latest

Ports:

22
6333
6334

• Port 6333: REST API (HTTP)

• Port 6334: gRPC API (höhere Leistung für Bulk-Operationen)

Umgebungsvariablen:

QDRANT__SERVICE__HTTP_PORT=6333
QDRANT__SERVICE__GRPC_PORT=6334
QDRANT__LOG_LEVEL=INFO
QDRANT__STORAGE__STORAGE_PATH=/qdrant/storage

Volume/Persistenter Speicher: Mounten /qdrant/storage für Datenpersistenz. Ohne dies gehen die Daten beim Neustart des Containers verloren.

---

Schritt 3 — Prüfe, ob Qdrant läuft

ssh root@<server-ip> -p <ssh-port>

# Prüfe, ob Qdrant läuft
curl http://localhost:6333/

# Erwartete Antwort:
# {"title":"qdrant - vector search engine","version":"..."}

# Prüfe Gesundheitszustand
curl http://localhost:6333/healthz

# Prüfe Cluster-Info
curl http://localhost:6333/cluster

---

Schritt 4 — Python-Client installieren

# Installiere Qdrant Python-Client und Embedding-Tools
pip install qdrant-client sentence-transformers openai numpy

# Verbindung verifizieren
python3 << 'EOF'
from qdrant_client import QdrantClient

client = QdrantClient("localhost", port=6333)
print(f"Qdrant verbunden: {client.get_collections()}")
EOF

---

Schritt 5 — Erstelle eine Collection

Eine Collection ist eine benannte Gruppe von Vektoren mit einer festen Dimensionalität.

from qdrant_client import QdrantClient
from qdrant_client.models import (
    Distance,
    VectorParams,
    HnswConfigDiff,
    OptimizersConfigDiff,
    QuantizationConfig,
    ScalarQuantizationConfig,
    ScalarType
)

client = QdrantClient("localhost", port=6333)

# Erstelle Collection für OpenAI text-embedding-3-small (1536 Dims)
client.create_collection(
    collection_name="documents",
    vectors_config=VectorParams(
        size=1536,           # Vektordimension (entsprechend deinem Embedding-Modell)
        distance=Distance.COSINE,  # Optionen: COSINE, EUCLID, DOT
        on_disk=False        # Setze True für sehr große Sammlungen
    ),
    hnsw_config=HnswConfigDiff(
        m=16,                # HNSW-Graph-Konnektivität (höher = bessere Rückrufquote, mehr RAM)
        ef_construct=100,    # Aufbau-Suchtiefe (höher = bessere Qualität, langsameres Indexieren)
        full_scan_threshold=10000  # Verwende Brute-Force unterhalb dieser Anzahl
    ),
    optimizers_config=OptimizersConfigDiff(
        indexing_threshold=20000  # Starte HNSW-Indexierung nach dieser Anzahl Vektoren
    ),
    quantization_config=QuantizationConfig(
        scalar=ScalarQuantizationConfig(
            type=ScalarType.INT8,  # Komprimiere Vektoren auf INT8 (4x Speicherreduktion)
            quantile=0.99,
            always_ram=True        # Halte quantisierten Index im RAM
        )
    )
)

print("Collection erstellt!")
print(client.get_collection("documents"))

Collection für SentenceTransformers (384 Dims)

client.create_collection(
    collection_name="embeddings_384",
    vectors_config=VectorParams(
        size=384,              # all-MiniLM-L6-v2 Ausgabegröße
        distance=Distance.COSINE
    )
)

---

Schritt 6 — Dokumente indexieren

Mit OpenAI-Embeddings

from qdrant_client import QdrantClient
from qdrant_client.models import PointStruct
from openai import OpenAI
import uuid

client = QdrantClient("localhost", port=6333)
openai_client = OpenAI(api_key="dein-openai-api-key")

def get_embeddings(texts: list[str], batch_size: int = 100) -> list[list[float]]:
    """Erzeuge Embeddings in Batches."""
    all_embeddings = []
    for i in range(0, len(texts), batch_size):
        batch = texts[i:i + batch_size]
        response = openai_client.embeddings.create(
            model="text-embedding-3-small",
            input=batch
        )
        all_embeddings.extend([e.embedding for e in response.data])
    return all_embeddings

# Beispiel-Dokumente
documents = [
    {
        "id": str(uuid.uuid4()),
        "text": "Qdrant ist eine in Rust gebaute Vektordatenbank für hohe Leistung.",
        "source": "documentation",
        "category": "database",
        "year": 2024
    },
    {
        "id": str(uuid.uuid4()),
        "text": "Machine-Learning-Modelle wandeln Text in dichte Vektorrepräsentationen um.",
        "source": "article",
        "category": "ml",
        "year": 2023
    },
    # Füge mehr Dokumente hinzu...
]

# Generiere Embeddings
texts = [doc["text"] for doc in documents]
embeddings = get_embeddings(texts)

# Upsert in Qdrant
points = [
    PointStruct(
        id=str(uuid.uuid4()),
        vector=embedding,
        payload={
            "text": doc["text"],
            "source": doc["source"],
            "category": doc["category"],
            "year": doc["year"]
        }
    )
    for doc, embedding in zip(documents, embeddings)
]

client.upsert(
    collection_name="documents",
    points=points,
    wait=True  # Warte, bis die Indexierung abgeschlossen ist
)

print(f"{len(points)} Dokumente indexiert!")

Mit SentenceTransformers (lokal, GPU-beschleunigt)

from sentence_transformers import SentenceTransformer
from qdrant_client import QdrantClient
from qdrant_client.models import PointStruct
import torch
import uuid

# Lade Embedding-Modell auf der GPU
model = SentenceTransformer("all-MiniLM-L6-v2", device="cuda")

client = QdrantClient("localhost", port=6333)

documents = [
    {"text": "Wie richte ich Qdrant auf einem GPU-Server ein?", "tag": "setup"},
    {"text": "Vektordatenbanken speichern hochdimensionale Embeddings für Ähnlichkeitssuchen.", "tag": "concept"},
    {"text": "Der HNSW-Algorithmus bietet approximate nearest neighbor Suche.", "tag": "algorithm"},
    # ... weitere Dokumente
]

# GPU-beschleunigte Batch-Codierung
texts = [doc["text"] for doc in documents]
embeddings = model.encode(
    texts,
    batch_size=256,       # Große Batch-Größe für GPU-Effizienz
    show_progress_bar=True,
    normalize_embeddings=True  # Normalisiere für Kosinus-Ähnlichkeit
)

# Indexiere in Qdrant
points = [
    PointStruct(
        id=str(uuid.uuid4()),
        vector=embedding.tolist(),
        payload=doc
    )
    for doc, embedding in zip(documents, embeddings)
]

# Batch-Upsert (effizienter)
BATCH_SIZE = 1000
for i in range(0, len(points), BATCH_SIZE):
    batch = points[i:i + BATCH_SIZE]
    client.upsert(collection_name="embeddings_384", points=batch)
    print(f"Indexiert {min(i + BATCH_SIZE, len(points))}/{len(points)}")

---

Schritt 7 — Suche und Abfragen

Basis Semantische Suche

from qdrant_client import QdrantClient
from sentence_transformers import SentenceTransformer

client = QdrantClient("localhost", port=6333)
model = SentenceTransformer("all-MiniLM-L6-v2", device="cuda")

def search(query: str, limit: int = 5, collection: str = "embeddings_384"):
    # Generiere Query-Embedding
    query_vector = model.encode(query, normalize_embeddings=True).tolist()
    
    # Suche
    results = client.search(
        collection_name=collection,
        query_vector=query_vector,
        limit=limit,
        with_payload=True,
        with_vectors=False    # Vektoren nicht zurückgeben (spart Bandbreite)
    )
    
    return results

# Test-Suche
results = search("vector database performance")
for r in results:
    print(f"Score: {r.score:.4f} | {r.payload['text'][:100]}")

Gefilterte Suche (Metadaten + Vektor)

from qdrant_client.models import Filter, FieldCondition, MatchValue, Range

# Suche mit Metadaten-Filtern
results = client.search(
    collection_name="documents",
    query_vector=query_vector,
    query_filter=Filter(
        must=[
            FieldCondition(
                key="category",
                match=MatchValue(value="database")
            ),
            FieldCondition(
                key="year",
                range=Range(gte=2023)  # Jahr >= 2023
            )
        ]
    ),
    limit=10,
    with_payload=True
)

Batch-/Multi-Query-Suche

from qdrant_client.models import SearchRequest

queries = [
    "how to install vector database",
    "machine learning inference optimization",
    "RAG pipeline architecture"
]

query_vectors = model.encode(queries, normalize_embeddings=True)

# Batch-Suche (ein API-Aufruf für alle Anfragen)
results = client.search_batch(
    collection_name="embeddings_384",
    requests=[
        SearchRequest(
            vector=vec.tolist(),
            limit=5,
            with_payload=True
        )
        for vec in query_vectors
    ]
)

for query, res in zip(queries, results):
    print(f"\nQuery: {query}")
    for r in res:
        print(f"  {r.score:.3f}: {r.payload['text'][:80]}")

---

Schritt 8 — Baue eine RAG-Pipeline

from qdrant_client import QdrantClient
from sentence_transformers import SentenceTransformer
from openai import OpenAI

# Initialisiere Clients
qdrant = QdrantClient("localhost", port=6333)
embedder = SentenceTransformer("all-MiniLM-L6-v2", device="cuda")
llm = OpenAI(api_key="dein-openai-key")

def rag_query(question: str, n_context: int = 5) -> str:
    # Schritt 1: Frage einbetten
    query_vector = embedder.encode(question, normalize_embeddings=True).tolist()
    
    # Schritt 2: Relevanten Kontext aus Qdrant abrufen
    search_results = qdrant.search(
        collection_name="documents",
        query_vector=query_vector,
        limit=n_context,
        with_payload=True
    )
    
    # Schritt 3: Kontext-String bauen
    context = "\n\n".join([
        f"[Quelle: {r.payload.get('source', 'unknown')}]\n{r.payload['text']}"
        for r in search_results
        if r.score > 0.5  # Filtere Ergebnisse mit geringer Zuversicht
    ])
    
    # Schritt 4: Antwort mit LLM generieren
    response = llm.chat.completions.create(
        model="gpt-4o-mini",
        messages=[
            {
                "role": "system",
                "content": "Beantworte Fragen basierend auf dem bereitgestellten Kontext. Sei prägnant und genau."
            },
            {
                "role": "user",
                "content": f"Kontext:\n{context}\n\nFrage: {question}"
            }
        ],
        temperature=0.1
    )
    
    return response.choices[0].message.content

# RAG-Pipeline testen
answer = rag_query("What is Qdrant and how does it work?")
print(answer)

---

Schritt 9 — Sammlungen überwachen und verwalten

# Sammlungsstatistiken
info = client.get_collection("documents")
print(f"Anzahl Vektoren: {info.vectors_count:,}")
print(f"Anzahl Punkte: {info.points_count:,}")
print(f"Indizierte Vektoren: {info.indexed_vectors_count:,}")
print(f"Status: {info.status}")
print(f"Festplattennutzung: {info.disk_data_size / 1024 / 1024:.1f} MB")

# Alle Collections auflisten
collections = client.get_collections()
for c in collections.collections:
    print(f" - {c.name}")

# Punkte per Filter löschen
client.delete(
    collection_name="documents",
    points_selector=Filter(
        must=[FieldCondition(key="source", match=MatchValue(value="old_source"))]
    )
)

# Collection optimieren (Indexaufbau erzwingen)
client.update_collection(
    collection_name="documents",
    optimizer_config=OptimizersConfigDiff(indexing_threshold=0)  # Sofortiges Indexieren erzwingen
)

---

Fehlerbehebung

Verbindung verweigert

# Prüfe, ob Qdrant läuft
docker ps | grep qdrant
# Oder prüfe den Prozess
ps aux | grep qdrant

# Prüfe, ob Ports offen sind
curl http://localhost:6333/
netstat -tlnp | grep 6333

Langsame Suchleistung

# Optimiere HNSW-Parameter für besseren Recall
client.update_collection(
    collection_name="documents",
    hnsw_config=HnswConfigDiff(ef=128)  # Erhöhe die Suchzeit-ef (Standard 100)
)

# Verwende INT8-Quantisierung, um mehr Vektoren in den RAM zu bekommen

Hoher Speicherverbrauch

# Aktiviere On-Disk-Speicherung für große Sammlungen
client.create_collection(
    collection_name="large_collection",
    vectors_config=VectorParams(
        size=1536,
        distance=Distance.COSINE,
        on_disk=True  # Vektoren auf der Festplatte statt im RAM speichern
    )
)

---

REST API Schnellreferenz

# Collections auflisten
curl http://localhost:6333/collections

# Collection erstellen
curl -X PUT http://localhost:6333/collections/my_collection \
    -H "Content-Type: application/json" \
    -d '{"vectors": {"size": 384, "distance": "Cosine"}}'

# Punkte zählen
curl http://localhost:6333/collections/my_collection/points/count

# Suche
curl -X POST http://localhost:6333/collections/my_collection/points/search \
    -H "Content-Type: application/json" \
    -d '{
        "vector": [0.1, 0.2, ...],
        "limit": 5,
        "with_payload": true
    }'

# Collection löschen
curl -X DELETE http://localhost:6333/collections/my_collection

---

Kostenschätzung auf Clore.ai

Einrichtung	Server	Monatliche Kosten	Kapazität
Kleines RAG	RTX 3090, 32GB RAM	~$60–80	~5M Vektoren
Mittlere Suche	RTX 4090, 64GB RAM	~$120–150	~15M Vektoren
Großmaßstab	A100, 128GB RAM	~$250–350	~30M Vektoren

---

Zusätzliche Ressourcen

• Qdrant Dokumentation

• Qdrant GitHub

• Qdrant Python-Client

• Qdrant Beispiele

• Vektordatenbank-Benchmarks

• Sentence Transformers

---

Qdrant auf Clore.ai bietet dir eine selbstgehostete, hochleistungsfähige Vektordatenbank ohne die Per-Query-Kosten von Pinecone oder Weaviate Cloud. Perfekt für RAG-Pipelines, die Millionen von Dokumenten verarbeiten.

---

Clore.ai GPU-Empfehlungen

Anwendungsfall	Empfohlene GPU	Geschätzte Kosten auf Clore.ai
Entwicklung/Tests	RTX 3090 (24GB)	~$0.12/gpu/hr
Produktionsfähige Vektorsuche	RTX 3090 (24GB)	~$0.12/gpu/hr
Hochdurchsatz-Embedding	RTX 4090 (24GB)	~$0.70/gpu/hr

💡 Alle Beispiele in diesem Leitfaden können bereitgestellt werden auf Clore.ai GPU-Servern. Durchsuchen Sie verfügbare GPUs und mieten Sie stundenweise — keine Verpflichtungen, voller Root-Zugriff.