向量库概览
向量库概览
向量库（Vector Database）是专门存储、索引、检索高维向量的数据库系统。本目录收数据库视角的选型、部署、运维——算法原理见 [[AI/向量检索/概览|向量检索]] 目录。
知识地图
主流向量库
- Milvus（Zilliz）—— 分布式、C++ 内核、亿级生产首选
- Qdrant（Rust）—— 高性能、轻量、Filtering 强
- Weaviate（Go）—— 模块化、内置向量化
- Chroma（Python）—— 轻量、适合原型
- pgvector（PostgreSQL 扩展）—— 已有 PG 时的最低成本选择
- MongoDB Atlas Vector Search—— 已有 Mongo 的扩展方案
- Elasticsearch kNN + OpenSearch k-NN—— 已有 ES 时的复用
嵌入式 / 进程内
- Faiss（Meta）—— 算法库，不是完整 DB
- LanceDB —— Rust 内核、列存、支持 Lance 格式
- Chroma（嵌入式模式）
云服务
- Pinecone —— 全托管、易用
- Zilliz Cloud（Milvus 云版）
- Turbopuffer —— 冷存向量、成本极低
选型维度
- 数据规模（百万 / 千万 / 亿 / 百亿）
- 部署模式（嵌入式 / 单机 / 集群 / 云）
- 元数据过滤能力
- 混合检索（向量 + 标量）
- 持久化 / 备份
- 生态（SDK / 集成）
部署与运维
- 集群架构（Coordinator / Data / Index / Query Node）
- 数据分片（Sharding）与副本
- 索引构建（内存 / 磁盘 / GPU）
- 监控指标（QPS / 召回延迟 / 内存）
待补内容
- Milvus / Qdrant / Weaviate 三方实测对比
- pgvector 适用边界
- 亿级向量的成本测算
- 数据迁移与备份策略
参考资料
相关
- [[AI/向量检索/概览]] —— 向量检索算法视角（HNSW / IVF / 量化）
- [[AI/LLM-应用/概览]] —— RAG 工程实践