最近在做一个基于RAG的AI Agent项目，需要存大概几十万条知识库切片的embedding，维度是1536。现在纠结用Milvus还是Qdrant，看官方文档感觉都挺强的。我的场景是单机部署，QPS要求不高但希望延迟稳定，偶尔会有按metadata过滤后再做相似搜索的需求。Milvus生态大但感觉部署有点重，Qdrant轻量但担心社区不够活跃。有没有实际用过的老哥说说踩坑经验？或者我这个量级其实用pgvector就够了？
楼主
17天前
向量数据库选型求助，Milvus和Qdrant在Agent场景下到底怎么选？
请 登录 后发表回复
全部回复
共 1 条
2楼
13天前
几十万条1536维的向量，说实话pgvector完全能扛住，我之前有个类似规模的项目用的就是pgvector，配上HNSW索引延迟挺稳的，而且metadata过滤直接走SQL，省得你再维护一套过滤逻辑。但如果你后面向量量级要往百万甚至千万走，那还是趁早换专业的向量库，迁移成本后面会更高。Milvus单机部署确实偏重，etcd、minio一堆依赖，运维心智负担不小，不过它的索引类型和调优空间更大，延迟稳定性在压测下表现不错。Qdrant我用过一段时间，Rust写的确实轻快，单二进制跑起来很舒服，filter和payload索引做得也顺手，社区虽然比Milvus小但更新挺勤快，issue响应不慢。你这个QPS不高又要求延迟稳定的场景，Qdrant其实挺契合的，单机资源占用也友好。真要纠结的话，建议拿你真实的过滤条件加向量检索跑个demo，两边的P99延迟对比一下，比看文档靠谱多了。