Qdrant는 AI 및 의미 검색에 최적화된 무료 벡터 데이터베이스를 제공합니다

Source: Dev.to

개요

Qdrant는 Rust로 구축된 벡터 유사도 검색 엔진입니다. Retrieval‑Augmented Generation (RAG), 추천 시스템, 의미 검색 등 AI 애플리케이션을 위해 고차원 벡터를 저장하고 검색합니다.

• HNSW 인덱싱 – 빠른 근사 최근접 이웃 검색
• 필터링 – 벡터 검색과 페이로드 필터 결합
• 양자화 – 메모리 사용량을 최대 4배 감소
• 분산 모드 – 수평 확장
• REST + gRPC API – 다양한 클라이언트 라이브러리 제공
• 스냅샷 – 백업 및 복원
• 멀티‑테넌시 – 페이로드를 통한 테넌트 격리

시작하기

docker run -p 6333:6333 qdrant/qdrant

from qdrant_client import QdrantClient
from qdrant_client.models import VectorParams, Distance, PointStruct

client = QdrantClient('localhost', port=6333)

# "docs" 라는 컬렉션 생성
client.create_collection(
    'docs',
    vectors_config=VectorParams(size=384, distance=Distance.COSINE)
)

# 포인트 업서트
client.upsert('docs', points=[
    PointStruct(id=1, vector=[0.1] * 384, payload={'text': 'Hello world'}),
])

# 검색 수행
results = client.search('docs', query_vector=[0.1] * 384, limit=5)

기능 비교

연락처

벡터 검색 설정이 필요하신가요? GitHub에서 제 작업을 확인하거나 컨설팅을 원하시면 spinov001@gmail.com 으로 이메일 주세요.