qdrant
v1.12.4
次世代 AI アプリケーション向けのベクトル検索エンジン
Qdrant (読み方:クワドラント) は、ベクトル類似性検索エンジンおよびベクトル データベースです。これは、ポイントを保存、検索、管理するための便利な API を備えた実稼働対応のサービスを提供します。追加のペイロードを持つベクトル Qdrant は、拡張フィルタリング サポートに合わせて調整されています。これは、あらゆる種類のニューラル ネットワークまたはセマンティック ベースのマッチング、ファセット検索、その他のアプリケーションに役立ちます。
Qdrant は Rust ? で書かれているため、高負荷下でも高速で信頼性が高くなります。ベンチマークを参照してください。
Qdrant を使用すると、エンベディングまたはニューラル ネットワーク エンコーダーを、マッチング、検索、推奨などを行うための本格的なアプリケーションに変えることができます。
Qdrant は、無料利用枠を含むフルマネージドQdrant Cloud ⛅ としても利用できます。
クイックスタート • クライアントライブラリ • デモプロジェクト • 統合 • 連絡先
pip install qdrant-client
Python クライアントは、Qdrant をローカルで開始する便利な方法を提供します。
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 prototypingQdrant の全機能をローカルで体験するには、次のコマンドでコンテナーを実行します。
docker run -p 6333:6333 qdrant/qdrantこれで、Python を含む任意のクライアントでこれに接続できるようになりました。
qdrant = QdrantClient ( "http://localhost:6333" ) # Connect to existing Qdrant instanceQdrant を運用環境にデプロイする前に、インストールおよびセキュリティ ガイドを必ずお読みください。
Qdrant は、アプリケーション スタックに簡単に統合できるように、次のクライアント ライブラリを提供します。
Qdrant を使用してセマンティック埋め込みの力を解き放ち、キーワードベースの検索を超えて、短いテキストの中で意味のあるつながりを見つけます。事前トレーニングされたニューラル ネットワークを使用してニューラル検索を数分で展開し、テキスト検索の未来を体験してください。オンラインで試してみましょう！
特に食べ物に関しては、テキスト検索以上の発見があります。人々は、説明や食材ではなく、見た目に基づいて食事を選ぶことがよくあります。 Qdrant を使用すると、ユーザーが料理の名前を知らなくても、ビジュアル検索を使用して次のおいしい料理を見つけることができます。それをチェックしてください！
極限分類の最先端の領域に入りましょう。これは、何百万ものラベルを使用してマルチクラスおよびマルチラベルの問題に取り組む新興の機械学習分野です。類似性学習モデルの可能性を活用し、事前トレーニング済みのトランスフォーマー モデルと Qdrant がどのように電子商取引商品の分類に革命をもたらすかを確認してください。オンラインで遊んでみましょう！
| セマンティックテキスト検索 | 類似画像検索 | 推奨事項 |
| チャットボット | マッチングエンジン | 異常検出 |
オンラインの OpenAPI 3.0 ドキュメントはここから入手できます。 OpenAPI を使用すると、事実上あらゆるフレームワークやプログラミング言語のクライアントを簡単に生成できます。
生の OpenAPI 定義をダウンロードすることもできます。
実稼働層の検索を高速化するために、Qdrant は gRPC インターフェイスも提供します。 gRPC のドキュメントはここにあります。
Qdrant は任意の JSON ペイロードをベクターに添付できるため、これらのペイロードの値に基づいてデータの保存とフィルタリングの両方が可能になります。ペイロードは、キーワード一致、全文フィルタリング、数値範囲、地理的位置などを含む、幅広いデータ型とクエリ条件をサポートします。
フィルタリング条件は、 should 、 must 、およびmust_not句を含むさまざまな方法で組み合わせることができ、類似性照合に加えて必要なビジネス ロジックを確実に実装できます。
特定のキーワードを検索する際のベクトル埋め込みの制限に対処するために、Qdrant は通常の密ベクトルに加えて疎ベクトルのサポートを導入します。
スパース ベクトルは、BM25 または TF-IDF ランキングの一般化として見ることができます。これにより、トランスフォーマーベースのニューラル ネットワークの機能を利用して、個々のトークンを効果的に重み付けすることができます。
Qdrant は、ベクトル検索をより安く、リソース効率を高めるための複数のオプションを提供します。組み込みのベクトル量子化により、RAM 使用量が最大 97% 削減され、検索速度と精度の間のトレードオフが動的に管理されます。
Qdrant は、次の 2 つの主要なメカニズムを通じて包括的な水平スケーリングのサポートを提供します。
io_uring使用して、ネットワーク接続ストレージ上でもディスク スループットの使用率を最大化します。Qdrant 統合の例および/またはドキュメント:
Qdrant は、Apache License バージョン 2.0 に基づいてライセンスされています。ライセンス ファイルのコピーを表示します。
