qdrant/qdrant
ВЕКТОРНАЯ БАЗА ДАННЫХ И ПОИСК
Qdrant — векторная база данных и движок семантического поиска на Rust. Хранит векторы с полезной нагрузкой, поддерживает фильтрацию и работает в клиент-серверном и встроенном режимах.
// КЛЮЧЕВЫЕ ОСОБЕННОСТИ
- Написан на Rust для высокой производительности под нагрузкой
- Поддерживает расширенную фильтрацию по полезной нагрузке векторов
- Есть встроенный режим Qdrant Edge для edge-устройств
- Официальные клиенты для Python, Go, Rust, JS, Java, .NET
// РАЗБОР: КАК ЭТО РАБОТАЕТ
Qdrant работает как векторный поисковый движок: принимает эмбеддинги с метаданными (payload), индексирует их через HNSW и отвечает на запросы k-NN с фильтрацией по полям payload. Запускается как Docker-контейнер на порту 6333, предоставляет gRPC и REST API. Данные хранятся на диске в коллекциях с настраиваемыми параметрами векторов и дистанции.
Написан на Rust, что даёт скорость и безопасность памяти без GC-пауз. Отличается встроенным режимом Qdrant Edge — библиотека, работающая внутри процесса приложения без отдельного сервера, с локальным хранением и возможностью синхронизации с облачным кластером. Есть облачная версия Qdrant Cloud с бесплатным тарифом. Поддерживает гибридный поиск, квантование, шардинг и мультитенантность через Agent Skills.
Для продакшена требуется настройка аутентификации и TLS (по умолчанию контейнер запускается без защиты). Минимальные требования железа не указаны, но Edge-версия рассчитана на ограниченные ресурсы. Нужен Docker или возможность скомпилировать Rust-бинарник. Клиентские библиотеки покрывают основные языки бэкенда.
// СЦЕНАРИИ ИСПОЛЬЗОВАНИЯ
Кому пригодится: Инженерам ML и бэкендерам для семантического поиска и RAG
- Создавать семантический поиск по текстам с фильтрацией по метаданным
- Запускать векторный поиск на edge-устройствах без сети через Qdrant Edge
- Интегрировать векторную базу в RAG-пайплайн с любым из 6 официальных клиентов
// БЫСТРЫЙ СТАРТ
docker run -p 6333:6333 qdrant/qdrant
from qdrant_client import QdrantClient
client = QdrantClient(url="http://localhost:6333")Команды взяты из README репозитория — перед запуском сверьтесь с актуальной версией на GitHub.
Новые репозитории каждые 30 минут
REDDYX AI сканирует GitHub 24/7 и присылает лучшие AI/ML/Web3 проекты в Telegram.
Подписаться в Telegram