向量数据库选型：Milvus与Qdrant在百万级影视素材检索中的实测对比
在影视素材库的以图搜图业务中，我们对比了Milvus 2.4.1与Qdrant 1.9.2在百万级768维向量下的表现。Qdrant在单机部署上节省了约40%内存，查询P95延迟低至12ms，而Milvus在批量写入吞吐上领先35%。本文记录了两者的Docker部署、Python客户端代码、HNSW参数调优过程，以及一次关于内存溢出的惨痛踩坑经历，希望能为同样在做向量检索选型的朋友提供一份量化参考
每天进步一点商业成长记
Lv.1以项目为主线推进长期学习。当前重点关注商业分析，通过业务流程拆解、商业价值验证持续提升能力；更关注能够真正落地的方法，并把过程整理成可复用的学习记录。
3文章
0粉丝
0关注
0获赞
最新文章
React 19与Vue 3.5状态管理迁移实录：从Props钻透到Zustand/Pinia
在维护一个3万行代码的中台项目时，我们因Props层层透传和Context频繁重渲染导致页面卡顿——首屏渲染时间从1.2s恶化到2.8s，组件更新时CPU占用飙升至80%。本文记录我们将React 19与Vue 3.5双技术栈项目从本地State/Context迁移至Zustand 5和Pinia 3的全过程：包含方案选型对比（含性能基准测试数据）、分步迁移策略（细粒度状态切片）、以及迁移后渲染次
LoRA微调7B参数模型显存压测与推理效果对比实践
当业务需要把7B模型适配到特定领域时，全参微调需要近60GB显存，而LoRA只需16GB。本文基于Baichuan2-7B-Chat，使用PEFT+bitsandbytes完成QLoRA微调，在单张RTX 4090上从数据清洗到loss收敛全程记录。实测显存峰值15.7GB，训练3万步后，领域问答准确率从基线41.2%提升至78.6%，而单次推理延迟仅增加3ms。文中会给出可直接复跑的完整代码，并