R_REDDYX.XYZ
RAGRust★ 35,599⑂ 2,820 форковApache-2.0

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.

#ai-search#ai-search-engine#embeddings-similarity#hnsw#hybrid-search#image-search#knn-algorithm#machine-learning#mlops#nearest-neighbor-search#neural-network#neural-search
Открыть 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
← Весь каталог

// ПОХОЖИЕ РЕПОЗИТОРИИ

REA - РЕВЕРС ИНЖИНИРИНГ БЕЗ ГРАНИЦ★ 460891DeepSeek Плагин Фреймворк★ 281341Автоматизация процессов n8n★ 210495Claw Code: Быстрый код★ 194780Оптимизация агентского ИИ★ 186627AutoGPT: AI-агент★ 184170

← ВЕСЬ КАТАЛОГ

qdrant/qdrant — Векторная база данных и поиск | REDDYX AI