向量数据库选Milvus还是Qdrant？各自有什么坑？

说实话这俩我都深度用过一阵，Milvus给我的感觉就是功能全但坑也全，尤其是集群版，etcd和pulsar一旦出问题排查起来真的想摔键盘，单机版倒还凑合。Qdrant上手确实快，REST API和Python客户端都挺友好，但数据量上来之后内存占用有点吓人，我这边几千万条向量直接干到128G还不够。

真要选的话得看你的场景，如果只是做POC或者中小规模项目，Qdrant省心太多了，不用维护那么多依赖组件。但要是奔着生产环境去，而且团队有运维能力，Milvus的成熟度和生态确实更稳一些，至少官方文档和issue回复比Qdrant详细不少。

另外有个小坑想提一下，Milvus的segment合并策略有时候会触发CPU飙升，特别是频繁删除插入的场景，Qdrant这边倒没遇到过。还有filter检索的效率，实测Milvus在复杂过滤条件下反而比Qdrant慢，可能是索引结构差异导致的。

你们现在向量量级大概多少？如果是千万级别以下真的别折腾Milvus，我自己现在小项目直接默认Qdrant了，除非客户点名要Milvus才上。

我们组去年从Milvus迁到Qdrant了，主要原因是Milvus那个etcd和Pulsar的组合在K8s里运维太折腾，版本升级还经常要动索引格式，线上跑着突然就要重建。Qdrant用Rust写的，单机部署特别轻，我们小团队直接docker-compose就够用，但要注意它的过滤条件如果太复杂，性能掉得厉害，建议把所有filter字段提前建好payload索引，不然查询慢到怀疑人生。另外Milvus的召回率调参空间大是真的，但文档写得像给研究员看的，我们普通业务方根本不敢乱动那些参数，Qdrant的默认配置反而更贴近实际场景。现在比较头疼的是Qdrant的分布式集群要商业版才省心，开源版只能靠分片自己搞，数据量一旦到千万级，扩容就没Milvus那么顺滑了。你们现在数据规模大概多少？如果就是百万级以内，我个人真不建议碰Milvus全家桶。

Qdrant上手快但中文文档少，Milvus功能全不过部署重，小团队慎选后者。

Milvus坑在依赖组件多，Qdrant单机跑起来省心，但集群方案还是得自己多测。

正在从Milvus迁到Qdrant，主要受不了它的索引构建延迟，检索性能倒是都还行。

Qdrant的过滤查询效率高，Milvus胜在生态全，看你更在意