# Qdrant

* 官网: <https://qdrant.tech/>
* GitHub: <https://github.com/qdrant/qdrant>



Qdrant 是一个开源的向量相似度搜索引擎和向量数据库，专为高效存储和查询高维向量而设计。

## 核心特性

1. **高性能向量搜索**：
   - 支持近似最近邻(ANN)搜索算法
   - 提供毫秒级的向量查询响应
   - 优化了高吞吐量场景下的性能

2. **丰富的数据类型支持**：
   - 浮点向量和二进制向量
   - 可选的 payload 数据(附加的元数据)
   - 支持多种数据类型：keyword、integer、boolean等

3. **灵活的搜索功能**：
   - 支持全向量和子向量搜索
   - 可基于 payload 进行过滤
   - 支持多种距离度量：余弦相似度、欧氏距离、点积等

4. **可扩展架构**：
   - 分布式部署能力
   - 水平扩展支持
   - 内置数据复制和故障转移机制

## 技术优势

- **Rust 编写**：提供高性能和内存安全
- **gRPC 和 REST API**：便于集成
- **云原生设计**：支持容器化部署
- **丰富的客户端库**：Python、Go、Java 等

## 应用场景

1. **推荐系统**：基于内容的物品/用户相似度推荐
2. **语义搜索**：自然语言处理应用
3. **图像/视频检索**：基于内容的视觉搜索
4. **异常检测**：识别异常模式
5. **AI/ML应用**：作为神经网络的记忆组件

## 部署选项

- 开源版(自托管)
- Qdrant Cloud(托管服务)
- 可部署在Kubernetes集群

Qdrant 因其性能、易用性和灵活性，已成为向量数据库领域的重要选择之一，特别适合需要高效向量相似度搜索的应用场景。


## Quick Start

安装:

```bash
pip install qdrant-client
```

### Embedded方式

* 使用:

```python
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
```

### Client-Server方式

* 启动服务

```bash
docker run -p 6333:6333 qdrant/qdrant
```

* 使用
```python
qdrant = QdrantClient("http://localhost:6333") # Connect to existing Qdrant instance
```