向量数据库选型实战求助：Milvus和Qdrant在千万级数据下怎么选？

千万级768维这个量级，延迟波动大概率不是引擎本身的问题，先看下你Milvus的索引类型和构建参数，HNSW的M和efConstruction调过没？我之前遇到过类似情况，把segment大小和缓存策略调一下能稳定不少。Qdrant上手确实快，但真到生产环境要自己折腾的东西也不少，比如集群部署和压缩算法。另外可以试试把bge-large换成bge-m3，查询速度能快一截，精度掉得也不多。你测试时是纯查询还是带着filter？

巧了，我上个月刚做完一轮类似的压测，也是768维，不过数据量在五百万左右。你那个延迟抖动的问题，我怀疑不一定是向量库本身的问题，Milvus standalone模式下，查询路径里有个叫“knowhere”的索引构建参数，如果min_pts_per_node没调好，在数据分布不均匀时确实会忽快忽慢。Qdrant那边我反而觉得它的HNSW参数暴露得更清楚，而且它默认会用mmap映射文件，冷热数据切换时延迟会更可控一些。但要说社区案例，Milvus确实多，尤其是中文资料，真出问题能搜到的答案多很多。我现在是主力用Qdrant，因为它的过滤查询和payload索引做得太顺手了，RAG场景里如果要做metadata筛选，这个优势会很明显。你千万级数据的话，建议先看看自己的查询是不是都命中了缓存，如果是有规律的重复查询，那200ms的尾部延迟大概率是磁盘IO或者GC造成的，跟选型关系不大。另外提醒一句，bge-large的向量分布比较聚拢，建议把ef构建参数调大一点，不然召回率会有点虚高。