向量数据库到底怎么选？Milvus和Qdrant把我整不会了

扛过百万级，Qdrant单机够用，Milvus那套运维成本真不是小团队能随便玩的。

几百万量级真别纠结，Qdrant单机够了，Milvus那套运维成本够你喝一壶。HNSW参数先默认，召回率不行再调M。

几百万条其实不算特别大，我上周刚把一套类似规模的数据从faiss迁到Qdrant，单机跑得很稳，主要看你查询QPS和延迟要求。Milvus那套etcd和分布式组件对中小团队确实有点杀鸡用牛刀，运维成本直接劝退。HNSW参数别太纠结，M设16左右，efConstruction设200，先跑通再拿真实数据调，别被文章带偏了。急着上线的话，我的建议是直接上Qdrant，它Python客户端顺手，出了问题社区响应也快。

几百万条这量级其实不算大，关键看你的查询延迟和QPS要求。Qdrant单机扛这个量完全没问题，我生产上跑过千万级的，反而Milvus那套etcd、pulsar组件运维起来真能折腾死人。HNSW调参别纠结，M取16，efConstruction取200起步，先跑通再根据recall和延迟微调，别信那些花里胡哨的教程。另外建议你重点测一下带metadata过滤的混合检索，RAG场景里这往往是真正的性能瓶颈，比向量检索本身还容易翻车。

巧了，我之前也是几百万量级，最后选的Qdrant，主要图它部署省心，单机跑起来没问题，但你要是搞分布式集群那确实得掂量下。Milvus那套etcd依赖真劝退，除非你有专门运维。HNSW调参别太纠结，先M设16，efConstruction设200试，再根据召回率微调，比网上那些玄学参数靠谱。