面向下一代 AI 应用的矢量搜索引擎
Qdrant(读作:象限)是一个向量相似性搜索引擎和向量数据库。它提供生产就绪的服务,并带有方便的 API 来存储、搜索和管理点 - 具有附加有效载荷的矢量 Qdrant 专为扩展过滤支持量身定制。它使其可用于各种神经网络或基于语义的匹配、分面搜索和其他应用程序。
Qdrant 是用 Rust 编写的
使用 Qdrant,嵌入或神经网络编码器可以变成成熟的应用程序,用于匹配、搜索、推荐等等!
快速入门 • 客户端库 • 演示项目 • 集成 • 联系方式
pip install qdrant-client
python 客户端提供了一种在本地开始使用 Qdrant 的便捷方式:
from qdrant_client import QdrantClient
qdrant = QdrantClient(":memory:") # Create in-memory Qdrant instance, for testing, CI/CD
# OR
client = QdrantClient(path="path/to/db") # Persists changes to disk, fast prototyping
这是生产用途的推荐方法。若要运行容器,请使用以下命令:
docker run -p 6333:6333 qdrant/qdrant
现在你可以用任何客户端(包括 Python)连接到它:
qdrant = QdrantClient("http://localhost:6333") # Connect to existing Qdrant instance, for production
Qdrant 提供以下客户端库,帮助你轻松地将其集成到你的应用程序堆栈中:
使用 Qdrant 释放语义嵌入的力量,超越基于关键字的搜索,在短文本中找到有意义的连接。使用预先训练的神经网络在几分钟内部署神经搜索,体验文本搜索的未来。在线试用!
发现不仅仅是文本搜索,尤其是在食物方面。人们通常根据外观而不是描述和成分来选择餐点。让 Qdrant 帮助你的用户使用视觉搜索找到下一顿美味佳肴,即使他们不知道这道菜的名称。看看吧!
进入极端分类的前沿领域,这是一个新兴的机器学习领域,可解决数百万个标签的多类和多标签问题。利用相似性学习模型的潜力,了解预先训练的转换器模型和Qdrant如何彻底改变电子商务产品分类。在线玩!
在线 OpenAPI 3.0 文档可在此处获得。OpenAPI 使为几乎任何框架或编程语言生成客户端变得容易。
你还可以下载原始的 OpenAPI 定义。
为了加快生产层搜索速度,Qdrant 还提供了 gRPC 接口。可以在此处找到 gRPC 文档。
Qdrant 使 JSON 有效负载能够与向量相关联,从而根据有效负载值提供存储和过滤。它支持 、 和条件的各种组合,确保检索所有相关载体,这与后过滤不同。
should
must
must_not
ElasticSearch
矢量有效负载适应各种数据类型和查询条件,包括字符串匹配、数值范围、地理位置等。这些筛选条件使你能够在相似性匹配之上创建自定义业务逻辑。
查询规划器利用存储的有效负载信息来优化查询执行。例如,受筛选器限制的较小搜索空间可能会受益于对索引的完全暴力破解。
利用现代 CPU x86-x64 架构,Qdrant 在现代硬件上提供更快的搜索性能。
Qdrant 通过更新确认确保数据持久性,即使在停电期间也是如此。更新日志存储所有操作,从而轻松重建最新的数据库状态。
从 v0.8.0 开始,Qdrant 支持分布式部署。多台Qdrant机器形成一个用于水平扩展的集群,通过Raft协议进行协调。
Qdrant 独立运行,无需依赖外部数据库或编排控制器,简化了配置。
Qdrant 集成的示例和/或文档:
感谢为Qdrant做出贡献的人们:
Qdrant 在 Apache 许可证 2.0 版下获得许可。查看许可证文件的副本。