Qdrant

用于语义搜索和 RAG 应用的高性能向量数据库 — GPU 加速索引

Qdrant 是一款用 Rust 编写的开源、可直接用于生产的向量数据库。它通过高级过滤、载荷索引和多向量支持，在数十亿个向量中提供快速的近似最近邻（ANN）搜索。它是许多生产级 RAG（检索增强生成）管道和语义搜索应用的基础。

GitHub： qdrant/qdrant — 22K+ ⭐

---

为什么选择 Qdrant？

功能	Qdrant	Pinecone	Weaviate	Chroma
开源	✅	❌	✅	✅
Rust 性能	✅	—	❌ Go	❌ Python
查询时过滤	✅ 高级	✅ 基础	✅	✅ 基础
多向量	✅	❌	✅	❌
基于磁盘的 HNSW	✅	✅	✅	❌
载荷索引	✅	有限	✅	有限
gRPC + REST	✅ 两者都支持	✅ REST	✅	REST
自托管	✅	❌ 仅云端	✅	✅

Qdrant 采用 Rust 编写 — 在保证内存安全的同时提供 C 级性能。基准测试表明，Qdrant 的表现始终 快 1.5–3 倍 在高负载场景下优于基于 Python 的替代方案，如 Chroma。

---

主要用例

• RAG（检索增强生成） — 为 LLM 提示词查找相关上下文

• 语义搜索 — 按语义搜索，而不只是关键词

• 推荐系统 — 通过嵌入相似性查找相似项目

• 重复检测 — 识别近似重复内容

• 异常检测 — 查找远离聚类中心的向量

• 图像/音频相似性搜索 — 多模态检索

---

前提条件

• 带 GPU 租赁的 Clore.ai 账户

• 对 REST API 或 Python 有基本了解

• 你选择的嵌入模型（OpenAI、SentenceTransformers 等）

---

步骤 1 — 在 Clore.ai 上租用服务器

Qdrant 在提供服务时主要受 CPU/RAM 限制，但在以下情况会受益于 GPU：

• 在提供服务的同时生成嵌入（嵌入模型运行在同一台服务器上）

• 大规模批量索引操作

1. 前往 clore.ai → 市场

2. 用于 嵌入 + 服务组合： 配备 32GB+ 内存的 RTX 3090/4090

3. 用于 仅提供服务： 配备高速 NVMe 存储的 CPU 优化服务器

内存规划：

• 每个 1536 维的 float32 向量 = 6KB

• 100 万个向量 = 约 6GB 内存

• 1000 万个向量 = 约 60GB 内存

• 对于非常大的集合，请启用磁盘存储

---

步骤 2 — 部署 Qdrant 容器

Docker 镜像：

qdrant/qdrant:latest

端口：

22
6333
6334

• 端口 6333： REST API（HTTP）

• 端口 6334： gRPC API（适合批量操作，性能更高）

环境变量：

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

卷/持久化存储： 挂载 /qdrant/storage 用于数据持久化。如果不这样做，容器重启后数据将丢失。

---

步骤 3 — 验证 Qdrant 是否正在运行

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

# 检查 Qdrant 是否正在运行
curl http://localhost:6333/

# 预期响应：
# {"title":"qdrant - 向量搜索引擎","version":"..."}

# 检查健康状态
curl http://localhost:6333/healthz

# 检查集群信息
curl http://localhost:6333/cluster

---

步骤 4 — 安装 Python 客户端

# 安装 Qdrant Python 客户端和嵌入工具
pip install qdrant-client sentence-transformers openai numpy

# 验证连接
python3 << 'EOF'
from qdrant_client import QdrantClient

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

---

步骤 5 — 创建集合

集合是具有固定维度的命名向量组。

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

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

# 为 OpenAI text-embedding-3-small 创建集合（1536 维）
client.create_collection(
    collection_name="documents",
    vectors_config=VectorParams(
        size=1536,           # 向量维度（与您的嵌入模型匹配）
        distance=Distance.COSINE,  # 可选：COSINE、EUCLID、DOT
        on_disk=False        # 对于非常大的集合设置为 True
    ),
    hnsw_config=HnswConfigDiff(
        m=16,                # HNSW 图连接度（越高 = 召回率越好，内存占用越大）
        ef_construct=100,    # 构建时搜索深度（越高 = 质量越好，索引越慢）
        full_scan_threshold=10000  # 低于此数量时使用暴力搜索
    ),
    optimizers_config=OptimizersConfigDiff(
        indexing_threshold=20000  # 在达到这么多向量后开始 HNSW 索引
    ),
    quantization_config=QuantizationConfig(
        scalar=ScalarQuantizationConfig(
            type=ScalarType.INT8,  # 将向量压缩为 INT8（内存减少 4 倍）
            quantile=0.99,
            always_ram=True        # 将量化索引保留在内存中
        )
    )
)

print("集合已创建！")
print(client.get_collection("documents"))

SentenceTransformers 的集合（384 维）

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

---

步骤 6 — 索引文档

使用 OpenAI 嵌入

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]]:
    """批量生成嵌入。"""
    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

# 示例文档
documents = [
    {
        "id": str(uuid.uuid4()),
        "text": "Qdrant 是一个用 Rust 构建的高性能向量数据库。",
        "source": "documentation",
        "category": "database",
        "year": 2024
    },
    {
        "id": str(uuid.uuid4()),
        "text": "机器学习模型将文本转换为稠密向量表示。",
        "source": "article",
        "category": "ml",
        "year": 2023
    },
    # 添加更多文档...
]

# 生成嵌入
texts = [doc["text"] for doc in documents]
embeddings = get_embeddings(texts)

# 上载到 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  # 等待索引完成
)

print(f"已索引 {len(points)} 篇文档！")

使用 SentenceTransformers（本地，GPU 加速）

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

# 在 GPU 上加载嵌入模型
model = SentenceTransformer("all-MiniLM-L6-v2", device="cuda")

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

documents = [
    {"text": "如何在 GPU 服务器上设置 Qdrant？", "tag": "setup"},
    {"text": "向量数据库存储高维嵌入用于相似性搜索。", "tag": "concept"},
    {"text": "HNSW 算法提供近似最近邻搜索。", "tag": "algorithm"},
    # ... 更多文档
]

# GPU 加速批量编码
texts = [doc["text"] for doc in documents]
embeddings = model.encode(
    texts,
    batch_size=256,       # GPU 效率更高的大批量大小
    show_progress_bar=True,
    normalize_embeddings=True  # 为余弦相似度进行归一化
)

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

# 批量上载（更高效）
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"已索引 {min(i + BATCH_SIZE, len(points))}/{len(points)}")

---

步骤 7 — 搜索与查询

基础语义搜索

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"):
    # 生成查询嵌入
    query_vector = model.encode(query, normalize_embeddings=True).tolist()
    
    # 搜索
    results = client.search(
        collection_name=collection,
        query_vector=query_vector,
        limit=limit,
        with_payload=True,
        with_vectors=False    # 不返回向量（节省带宽）
    )
    
    return results

# 测试搜索
results = search("向量数据库性能")
for r in results:
    print(f"得分：{r.score:.4f} | {r.payload['text'][:100]}")

过滤搜索（元数据 + 向量）

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

# 使用元数据过滤进行搜索
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)  # 年份 >= 2023
            )
        ]
    ),
    limit=10,
    with_payload=True
)

批量/多查询搜索

from qdrant_client.models import SearchRequest

queries = [
    "如何安装向量数据库",
    "机器学习推理优化",
    "RAG 管道架构"
]

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

# 批量搜索（一次 API 调用处理所有查询）
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"\n查询：{query}")
    for r in res:
        print(f"  {r.score:.3f}: {r.payload['text'][:80]}")

---

步骤 8 — 构建 RAG 管道

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

# 初始化客户端
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:
    # 第 1 步：对问题进行嵌入
    query_vector = embedder.encode(question, normalize_embeddings=True).tolist()
    
    # 第 2 步：从 Qdrant 中检索相关上下文
    search_results = qdrant.search(
        collection_name="documents",
        query_vector=query_vector,
        limit=n_context,
        with_payload=True
    )
    
    # 第 3 步：构建上下文字符串
    context = "\n\n".join([
        f"[来源: {r.payload.get('source', 'unknown')}]\n{r.payload['text']}"
        for r in search_results
        if r.score > 0.5  # 过滤低置信度结果
    ])
    
    # 第 4 步：使用 LLM 生成答案
    response = llm.chat.completions.create(
        model="gpt-4o-mini",
        messages=[
            {
                "role": "system",
                "content": "根据提供的上下文回答问题。保持简洁准确。"
            },
            {
                "role": "user",
                "content": f"上下文：\n{context}\n\n问题：{question}"
            }
        ],
        temperature=0.1
    )
    
    return response.choices[0].message.content

# 测试 RAG 管道
answer = rag_query("Qdrant 是什么，它是如何工作的？")
print(answer)

---

步骤 9 — 监控和管理集合

# 集合统计信息
info = client.get_collection("documents")
print(f"向量数量：{info.vectors_count:,}")
print(f"点数量：{info.points_count:,}")
print(f"已索引向量：{info.indexed_vectors_count:,}")
print(f"状态：{info.status}")
print(f"磁盘使用量：{info.disk_data_size / 1024 / 1024:.1f} MB")

# 列出所有集合
collections = client.get_collections()
for c in collections.collections:
    print(f" - {c.name}")

# 按过滤条件删除点
client.delete(
    collection_name="documents",
    points_selector=Filter(
        must=[FieldCondition(key="source", match=MatchValue(value="old_source"))]
    )
)

# 优化集合（强制构建索引）
client.update_collection(
    collection_name="documents",
    optimizer_config=OptimizersConfigDiff(indexing_threshold=0)  # 强制立即索引
)

---

故障排查

连接被拒绝

# 检查 Qdrant 是否正在运行
docker ps | grep qdrant
# 或检查进程
ps aux | grep qdrant

# 检查端口是否开放
curl http://localhost:6333/
netstat -tlnp | grep 6333

搜索性能缓慢

# 优化 HNSW 参数以提高召回率
client.update_collection(
    collection_name="documents",
    hnsw_config=HnswConfigDiff(ef=128)  # 增大搜索时的 ef（默认 100）
)

# 使用 INT8 量化以在内存中容纳更多向量

高内存使用

# 为大型集合启用磁盘存储
client.create_collection(
    collection_name="large_collection",
    vectors_config=VectorParams(
        size=1536,
        distance=Distance.COSINE,
        on_disk=True  # 将向量存储在磁盘而不是内存中
    )
)

---

REST API 快速参考

# 列出集合
curl http://localhost:6333/collections

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

# 统计点数量
curl http://localhost:6333/collections/my_collection/points/count

# 搜索
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
    }'

# 删除集合
curl -X DELETE http://localhost:6333/collections/my_collection

---

Clore.ai 成本估算

配置	服务器	月成本	容量
小型 RAG	RTX 3090，32GB 内存	约 60–80 美元	约 500 万个向量
中等规模搜索	RTX 4090，64GB 内存	约 120–150 美元	约 1500 万个向量
大规模	A100，128GB 内存	约 250–350 美元	约 3000 万个向量

---

更多资源

• Qdrant 文档

• Qdrant GitHub

• Qdrant Python 客户端

• Qdrant 示例

• 向量数据库基准测试

• Sentence Transformers

---

Qdrant 在 Clore.ai 上为你提供自托管、高性能的向量数据库，无需承担 Pinecone 或 Weaviate Cloud 的按查询计费成本。非常适合处理数百万文档的 RAG 流水线。

---

Clore.ai GPU 推荐

使用场景	推荐 GPU	Clore.ai 预计成本
开发/测试	RTX 3090（24GB）	$0.07–0.21/gpu/hr
生产级向量搜索	RTX 3090（24GB）	$0.07–0.21/gpu/hr
高吞吐量嵌入	RTX 4090（24GB）	$0.14–0.42/gpu/hr

💡 本指南中的所有示例都可以部署在 Clore.ai GPU 服务器上。浏览可用 GPU 并按小时租用——无需承诺，拥有完整 root 访问权限。