向量数据库这么多，RAG场景到底该选哪个？求过来人指点

几百万条embedding用faiss确实容易卡内存，我之前也踩过这个坑。后来换了Qdrant，Docker起一个单节点很省事，增量更新和payload过滤都挺顺，资源占用比Milvus轻不少。不过你要是查询并发真不高，pgvector其实也够用，就是过滤条件复杂了之后性能会有点拉胯。建议先拿Qdrant试一周，不行再换Milvus也不迟。

几百万条pgvector够用了，过滤和增量都省心，别折腾集群。

几百万条用pgvector完全够，过滤和增量都省心，别折腾集群了。

几百万条embedding还要增量更新和过滤，faiss确实会越来越难受，全量重建索引那个等待时间很折磨人。你这个量级和查询并发，我觉得Milvus和Qdrant都能扛，但Milvus组件多，etcd、minio一堆依赖，Docker跑起来资源占用不小，除非上集群不然有点重。Qdrant我实际用过，单机Docker部署很清爽，payload过滤和增量写入都挺顺手，几百万向量内存占用也还能接受。Weaviate功能全但概念多，学习成本偏高，小团队容易踩坑。如果过滤条件不算复杂、并发也不高，pgvector真不是不能打，省一套运维，数据一致性还省心，就是索引建得慢、召回调参空间小一点。建议你先拿真实数据在Qdrant和pgvector上各压一遍，重点看增量写入延迟和过滤后的召回，别只看benchmark。

几百万条embedding用faiss本地跑确实容易卡内存，我之前也踩过这个坑。后来换Qdrant感觉挺省心的，Docker一键起，增量更新和payload过滤都支持得不错，资源占用也比Milvus轻不少。你们查询并发不高的话，其实pgvector也够用，就是过滤条件复杂了之后性能会有点拉胯。建议先拿Qdrant试水，迁移成本不高，真不够再考虑Milvus。

几百万条embedding还要增量更新和过滤，faiss确实不太适合了。我去年从faiss迁到Qdrant，Docker一条命令起服务，增量插入和payload过滤都很顺手，内存占用也比想象中低。Milvus功能更全但组件多，部署维护成本高一些，看你团队有没有精力折腾。如果并发不高又不想引入新组件，pgvector其实也能扛住几百万量级，就是过滤加向量混合查询时性能会明显掉，得自己权衡。