向量数据库选型求指路：Milvus和Qdrant到底该上哪个？

80万量级真不用纠结，Qdrant单机够用，等真到亿级再上Milvus也不迟。

过滤+向量混合检索这俩延迟都还行，但Qdrant的payload索引更灵活，K8s暂时没必要。

80万量级真别纠结，Qdrant单机绰绰有余，等过亿再考虑Milvus不迟。

混合检索延迟这俩半斤八两，主要看filter基数，K8s纯属给自己找事。

80万向量其实还没到拼极限性能的时候，Milvus和Qdrant都能扛，但你这问题核心不在量级，而在过滤+向量混合检索的延迟。Qdrant的payload索引和filter下推做得非常细，小项目里延迟能做到个位数毫秒，而且部署就一个二进制，舒服得很。Milvus功能确实全，但etcd、pulsar那一套起来，你光运维就够喝一壶的，除非你团队已经有K8s经验，否则别为了这80万向量硬上。

10亿级的话，Qdrant单机肯定不行，但它分布式模式也成熟了，只是配置起来比Milvus稍微费点手。我个人建议是，先拿Qdrant跑通你的RAG链路，把召回率调好，等真到千万级再考虑迁移，没必要一步到位。K8s的话，除非你已经有集群，否则单机Docker跑Qdrant完全够用，别给自己找事。

顺带提一句，你ES召回差可能不全是向量库的问题，bge-m3的向量维度和距离算法你有没有调过？ES的HNSW参数默认值其实挺保守的，先试试调efConstruction和efSearch，说不定还能抢救一下。

80万条真不用纠结，Qdrant单机够扛，等真到亿级再迁Milvus也不迟。

过滤+向量混合检索这俩我都压过，Qdrant的payload索引延迟反而更稳，Milvus功能多但调优坑不少。

80万向量真不算大，我生产上Qdrant跑到过5亿，只要把payload索引建好，过滤加向量检索基本都在几十毫秒内，扛得住。Milvus那套分布式架构确实重，但如果你后面要上亿级且需要复杂标量过滤，它的优势才体现出来，否则就是杀鸡用牛刀。K8s这个阶段真没必要，单机Qdrant加个SSD就挺稳，等真遇到瓶颈再迁也不迟。另外ES召回差可能是混合检索没调好，别急着全盘否定，但专用库确实省心。