Qdrant

सार्थक खोज और RAG अनुप्रयोगों के लिए उच्च-प्रदर्शन वेक्टर डेटाबेस — GPU-त्वरित इंडेक्सिंग

Qdrant एक ओपन-सोर्स, उत्पादन-तैयार वेक्टर डेटाबेस है जो Rust में लिखा गया है। यह उन्नत फ़िल्टरिंग, पेलोड इंडेक्सिंग और मल्टी-वेक्टर समर्थन के साथ अरबों वेक्टरों पर तेज़ अनुमानित निकटतम पड़ोसी (ANN) खोज प्रदान करता है। यह कई उत्पादन RAG (Retrieval-Augmented Generation) पाइपलाइनों और सिमेंटिक खोज अनुप्रयोगों की रीढ़ है।

GitHub: qdrant/qdrant — 22K+ ⭐

Qdrant क्यों?

विशेषता

Qdrant

Pinecone

Weaviate

Chroma

ओपन सोर्स

✅

❌

✅

Rust प्रदर्शन

✅

—

❌ Go

❌ Python

क्वेरी समय पर फ़िल्टरिंग

✅ उन्नत

✅ बुनियादी

✅

✅ बुनियादी

मल्टी-वेक्टर

✅

❌

✅

❌

डिस्क-आधारित HNSW

✅

❌

पेलोड इंडेक्सिंग

✅

सीमित

✅

सीमित

gRPC + REST

✅ दोनों

✅ REST

✅

REST

सेल्फ-होस्टेड

✅

❌ केवल क्लाउड

✅

Qdrant Rust में लिखा गया है — C-स्तरीय प्रदर्शन और मेमोरी सुरक्षा प्रदान करते हुए। बेंचमार्क परीक्षण दिखाते हैं कि Qdrant लगातार 1.5–3x तेज़ उच्च-लोड परिदृश्यों में Chroma जैसे Python-आधारित विकल्पों से।

प्रमुख उपयोग-केस

RAG (Retrieval-Augmented Generation) — LLM प्रॉम्प्ट्स के लिए प्रासंगिक संदर्भ खोजें
सिमेंटिक खोज — केवल कीवर्ड नहीं, अर्थ के आधार पर खोजें
अनुशंसा प्रणालियाँ — एम्बेडिंग समानता के आधार पर मिलते-जुलते आइटम खोजें
डुप्लिकेट पहचान — लगभग-डुप्लिकेट सामग्री की पहचान करें
असामान्यता का पता लगाना — क्लस्टर केंद्रों से दूर वेक्टर खोजें
छवि/ऑडियो समानता खोज — मल्टीमोडल पुनर्प्राप्ति

पूर्वापेक्षाएँ

GPU किराये के साथ Clore.ai खाता
REST APIs या Python की बुनियादी समझ
आपकी पसंद का एम्बेडिंग मॉडल (OpenAI, SentenceTransformers, आदि)

चरण 1 — Clore.ai पर सर्वर किराए पर लें

Qdrant सर्विंग के लिए मुख्यतः CPU/RAM-सीमित है, लेकिन GPU से तब लाभ मिलता है जब:

सर्विंग के साथ-साथ एम्बेडिंग जनरेट करना (एम्बेडिंग मॉडल उसी सर्वर पर)
बड़े पैमाने पर बैच इंडेक्सिंग ऑपरेशन

पर जाएँ clore.ai → मार्केटप्लेस
के लिए एम्बेडिंग + सर्विंग संयोजन: RTX 3090/4090 with 32GB+ RAM
के लिए केवल सर्विंग: तेज़ NVMe स्टोरेज वाला CPU-अनुकूलित सर्वर

मेमोरी योजना:

1536 आयामों वाला प्रत्येक float32 वेक्टर = 6KB
1 मिलियन वेक्टर = ~6GB RAM
10 मिलियन वेक्टर = ~60GB RAM
बहुत बड़े संग्रहों के लिए ऑन-डिस्क स्टोरेज सक्षम करें

चरण 2 — Qdrant कंटेनर तैनात करें

Docker इमेज:

qdrant/qdrant:latest

पोर्ट:

22
6333
6334

पोर्ट 6333: REST API (HTTP)
पोर्ट 6334: gRPC API (बल्क ऑपरेशनों के लिए उच्च प्रदर्शन)

Environment Variables:

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

वॉल्यूम/स्थायी स्टोरेज: माउंट करें /qdrant/storage डेटा स्थायित्व के लिए। इसके बिना, कंटेनर पुनः प्रारंभ होने पर डेटा खो जाता है।

चरण 3 — सत्यापित करें कि Qdrant चल रहा है

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

# जांचें कि Qdrant चल रहा है
curl http://localhost:6333/

# अपेक्षित प्रतिक्रिया:
# {"title":"qdrant - वेक्टर खोज इंजन","version":"..."}

# स्वास्थ्य जाँचें
curl http://localhost:6333/healthz

# क्लस्टर जानकारी जांचें
curl http://localhost:6333/cluster

चरण 4 — Python क्लाइंट इंस्टॉल करें

# Qdrant Python क्लाइंट और एम्बेडिंग टूल इंस्टॉल करें
pip install qdrant-client sentence-transformers openai numpy

# कनेक्शन सत्यापित करें
python3 << 'EOF'
from qdrant_client import QdrantClient

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

चरण 5 — एक संग्रह बनाएँ

संग्रह एक नामित वेक्टर समूह है जिसकी आयाम संख्या निश्चित होती है।

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

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

# OpenAI text-embedding-3-small (1536 आयाम) के लिए संग्रह बनाएँ
client.create_collection(
    collection_name="documents",
    vectors_config=VectorParams(
        size=1536,           # वेक्टर आयाम (अपने एम्बेडिंग मॉडल से मिलाएँ)
        distance=Distance.COSINE,  # विकल्प: COSINE, EUCLID, DOT
        on_disk=False        # बहुत बड़े संग्रहों के लिए True सेट करें
    ),
    hnsw_config=HnswConfigDiff(
        m=16,                # HNSW ग्राफ कनेक्टिविटी (जितना अधिक, उतना बेहतर रिकॉल, अधिक RAM)
        ef_construct=100,    # निर्माण-समय खोज गहराई (जितनी अधिक, उतनी बेहतर गुणवत्ता, धीमी इंडेक्सिंग)
        full_scan_threshold=10000  # इस संख्या से नीचे brute force उपयोग करें
    ),
    optimizers_config=OptimizersConfigDiff(
        indexing_threshold=20000  # इतने वेक्टरों के बाद HNSW इंडेक्सिंग शुरू करें
    ),
    quantization_config=QuantizationConfig(
        scalar=ScalarQuantizationConfig(
            type=ScalarType.INT8,  # वेक्टरों को INT8 में संपीड़ित करें (4x मेमोरी कमी)
            quantile=0.99,
            always_ram=True        # क्वांटाइज़्ड इंडेक्स को RAM में रखें
        )
    )
)

print("संग्रह बनाया गया!")
print(client.get_collection("documents"))

SentenceTransformers के लिए संग्रह (384 आयाम)

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

चरण 6 — दस्तावेज़ों को इंडेक्स करें

OpenAI एम्बेडिंग के साथ

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="your-openai-api-key")

def get_embeddings(texts: list[str], batch_size: int = 100) -> list[list[float]]:
    """बैचों में एम्बेडिंग जनरेट करें।"""
    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

# नमूना दस्तावेज़
documents = [
    {
        "id": str(uuid.uuid4()),
        "text": "Qdrant Rust में बना एक वेक्टर डेटाबेस है, जो उच्च प्रदर्शन के लिए बनाया गया है.",
        "source": "documentation",
        "category": "database",
        "year": 2024
    },
    {
        "id": str(uuid.uuid4()),
        "text": "मशीन लर्निंग मॉडल पाठ को घने वेक्टर निरूपणों में बदलते हैं.",
        "source": "article",
        "category": "ml",
        "year": 2023
    },
    # और दस्तावेज़ जोड़ें...
]

# एम्बेडिंग जनरेट करें
texts = [doc["text"] for doc in documents]
embeddings = get_embeddings(texts)

# Qdrant में अपसर्ट करें
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  # इंडेक्सिंग पूर्ण होने तक प्रतीक्षा करें
)

print(f"{len(points)} दस्तावेज़ इंडेक्स किए गए!")

SentenceTransformers के साथ (स्थानीय, GPU-त्वरित)

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

# एम्बेडिंग मॉडल GPU पर लोड करें
model = SentenceTransformer("all-MiniLM-L6-v2", device="cuda")

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

documents = [
    {"text": "मैं GPU सर्वर पर Qdrant कैसे सेट अप करूँ?", "tag": "setup"},
    {"text": "वेक्टर डेटाबेस समानता खोज के लिए उच्च-आयामी एम्बेडिंग संग्रहीत करते हैं.", "tag": "concept"},
    {"text": "HNSW एल्गोरिद्म अनुमानित निकटतम पड़ोसी खोज प्रदान करता है.", "tag": "algorithm"},
    # ... और दस्तावेज़
]

# GPU-त्वरित बैच एन्कोडिंग
texts = [doc["text"] for doc in documents]
embeddings = model.encode(
    texts,
    batch_size=256,       # GPU दक्षता के लिए बड़ा बैच आकार
    show_progress_bar=True,
    normalize_embeddings=True  # कोसाइन समानता के लिए सामान्यीकृत करें
)

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

# बैच अपसर्ट (अधिक कुशल)
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"{min(i + BATCH_SIZE, len(points))}/{len(points)} इंडेक्स किए गए")

चरण 7 — खोज और क्वेरी

बुनियादी सिमेंटिक खोज

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"):
    # क्वेरी एम्बेडिंग जनरेट करें
    query_vector = model.encode(query, normalize_embeddings=True).tolist()
    
    # खोजें
    results = client.search(
        collection_name=collection,
        query_vector=query_vector,
        limit=limit,
        with_payload=True,
        with_vectors=False    # वेक्टर वापस न करें (बैंडविड्थ बचती है)
    )
    
    return results

# खोज का परीक्षण करें
results = search("वेक्टर डेटाबेस प्रदर्शन")
for r in results:
    print(f"Score: {r.score:.4f} | {r.payload['text'][:100]}")

फ़िल्टर्ड खोज (मेटाडेटा + वेक्टर)

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

# मेटाडेटा फ़िल्टर के साथ खोजें
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)  # वर्ष >= 2023
            )
        ]
    ),
    limit=10,
    with_payload=True
)

बैच/बहु-क्वेरी खोज

from qdrant_client.models import SearchRequest

queries = [
    "वेक्टर डेटाबेस कैसे इंस्टॉल करें",
    "मशीन लर्निंग इन्फ़रेंस ऑप्टिमाइज़ेशन",
    "RAG पाइपलाइन आर्किटेक्चर"
]

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

# बैच खोज (सभी क्वेरियों के लिए एक API कॉल)
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"\nक्वेरी: {query}")
    for r in res:
        print(f"  {r.score:.3f}: {r.payload['text'][:80]}")

चरण 8 — RAG पाइपलाइन बनाएँ

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

# क्लाइंट प्रारंभ करें
qdrant = QdrantClient("localhost", port=6333)
embedder = SentenceTransformer("all-MiniLM-L6-v2", device="cuda")
llm = OpenAI(api_key="your-openai-key")

def rag_query(question: str, n_context: int = 5) -> str:
    # चरण 1: प्रश्न को एम्बेड करें
    query_vector = embedder.encode(question, normalize_embeddings=True).tolist()
    
    # चरण 2: Qdrant से प्रासंगिक संदर्भ प्राप्त करें
    search_results = qdrant.search(
        collection_name="documents",
        query_vector=query_vector,
        limit=n_context,
        with_payload=True
    )
    
    # चरण 3: संदर्भ स्ट्रिंग बनाएँ
    context = "\n\n".join([
        f"[Source: {r.payload.get('source', 'unknown')}]\n{r.payload['text']}"
        for r in search_results
        if r.score > 0.5  # कम-विश्वास वाले परिणाम फ़िल्टर करें
    ])
    
    # चरण 4: LLM के साथ उत्तर जनरेट करें
    response = llm.chat.completions.create(
        model="gpt-4o-mini",
        messages=[
            {
                "role": "system",
                "content": "प्रदान किए गए संदर्भ के आधार पर प्रश्नों का उत्तर दें। संक्षिप्त और सटीक रहें."
            },
            {
                "role": "user",
                "content": f"संदर्भ:\n{context}\n\nप्रश्न: {question}"
            }
        ],
        temperature=0.1
    )
    
    return response.choices[0].message.content

# RAG पाइपलाइन का परीक्षण करें
answer = rag_query("Qdrant क्या है और यह कैसे काम करता है?")
print(answer)

चरण 9 — संग्रहों की निगरानी और प्रबंधन करें

# संग्रह आँकड़े
info = client.get_collection("documents")
print(f"वेक्टरों की संख्या: {info.vectors_count:,}")
print(f"पॉइंट्स की संख्या: {info.points_count:,}")
print(f"इंडेक्स किए गए वेक्टर: {info.indexed_vectors_count:,}")
print(f"स्थिति: {info.status}")
print(f"डिस्क उपयोग: {info.disk_data_size / 1024 / 1024:.1f} MB")

# सभी संग्रहों की सूची बनाएं
collections = client.get_collections()
for c in collections.collections:
    print(f" - {c.name}")

# फ़िल्टर के अनुसार पॉइंट्स हटाएँ
client.delete(
    collection_name="documents",
    points_selector=Filter(
        must=[FieldCondition(key="source", match=MatchValue(value="old_source"))]
    )
)

# संग्रह अनुकूलित करें (इंडेक्स निर्माण को मजबूर करें)
client.update_collection(
    collection_name="documents",
    optimizer_config=OptimizersConfigDiff(indexing_threshold=0)  # तुरंत इंडेक्सिंग मजबूर करें
)

समस्या निवारण

कनेक्शन अस्वीकृत

# जांचें कि Qdrant चल रहा है
docker ps | grep qdrant
# या प्रक्रिया जांचें
ps aux | grep qdrant

# जांचें कि पोर्ट खुले हैं
curl http://localhost:6333/
netstat -tlnp | grep 6333

धीमा खोज प्रदर्शन

# बेहतर रिकॉल के लिए HNSW पैरामीटर अनुकूलित करें
client.update_collection(
    collection_name="documents",
    hnsw_config=HnswConfigDiff(ef=128)  # खोज-समय ef बढ़ाएँ (डिफ़ॉल्ट 100)
)

# RAM में अधिक वेक्टर फिट करने के लिए INT8 क्वांटाइज़ेशन का उपयोग करें

उच्च मेमोरी उपयोग

# बड़े संग्रहों के लिए ऑन-डिस्क स्टोरेज सक्षम करें
client.create_collection(
    collection_name="large_collection",
    vectors_config=VectorParams(
        size=1536,
        distance=Distance.COSINE,
        on_disk=True  # वेक्टरों को RAM के बजाय डिस्क पर संग्रहीत करें
    )
)

REST API त्वरित संदर्भ

# संग्रहों की सूची बनाएं
curl http://localhost:6333/collections

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

# पॉइंट्स की संख्या गिनें
curl http://localhost:6333/collections/my_collection/points/count

# खोजें
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
    }'

# संग्रह हटाएँ
curl -X DELETE http://localhost:6333/collections/my_collection

Clore.ai पर लागत अनुमान

सेटअप

सर्वर

मासिक लागत

क्षमता

छोटा RAG

RTX 3090, 32GB RAM

~$60–80

~5M वेक्टर

मध्यम सर्च

RTX 4090, 64GB RAM

~$120–150

~15M वेक्टर

बड़े पैमाने

A100, 128GB RAM

~$250–350

~30M वेक्टर

अतिरिक्त संसाधन

Clore.ai पर Qdrant आपको Pinecone या Weaviate Cloud की प्रति-क्वेरी लागत के बिना एक सेल्फ-होस्टेड, उच्च-प्रदर्शन वेक्टर डेटाबेस देता है। लाखों दस्तावेज़ों को प्रोसेस करने वाली RAG पाइपलाइनों के लिए बिल्कुल उपयुक्त।

Clore.ai GPU अनुशंसाएँ

उपयोग-प्रकरण

अनुशंसित GPU

Clore.ai पर अनुमानित लागत

विकास/परीक्षण

RTX 3090 (24GB)

$0.07–0.21/gpu/hr

प्रोडक्शन वेक्टर सर्च

RTX 3090 (24GB)

$0.07–0.21/gpu/hr

उच्च-थ्रूपुट एम्बेडिंग

RTX 4090 (24GB)

$0.14–0.42/gpu/hr

💡 इस गाइड के सभी उदाहरण Clore.ai GPU servers पर तैनात किए जा सकते हैं। उपलब्ध GPUs ब्राउज़ करें और घंटे के हिसाब से किराए पर लें — कोई प्रतिबद्धता नहीं, पूर्ण root access.

पिछलाChromaDB

अगलाMilvus

अंतिम अपडेट 1 माह पहले

क्या यह उपयोगी था?