qdrant
v1.12.4
用於下一代人工智慧應用的向量搜尋引擎
Qdrant （讀：象限）是一個向量相似性搜尋引擎和向量資料庫。它提供了一個生產就緒的服務，帶有一個方便的 API 來儲存、搜尋和管理帶有額外負載的點向量 Qdrant 是為擴展過濾支援而定制的。它對於各種神經網路或基於語義的匹配、分面搜尋和其他應用都很有用。
Qdrant 是用 Rust 編寫的，即使在高負載下也能快速可靠。查看基準。
借助 Qdrant，嵌入或神經網路編碼器可以轉變為成熟的應用程序，用於匹配、搜尋、推薦等！
Qdrant 也可以作為完全託管的Qdrant Cloud ⛅ 提供，包括免費套餐。
快速入門 • 客戶端庫 • 示範專案 • 整合 • 聯絡訊息
pip install qdrant-client
python 用戶端提供了一種在本地啟動 Qdrant 的便捷方法：
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若要在本機體驗 Qdrant 的全部功能，請使用下列命令執行容器：
docker run -p 6333:6333 qdrant/qdrant現在您可以使用任何客戶端（包括 Python）連接到此：
qdrant = QdrantClient ( "http://localhost:6333" ) # Connect to existing Qdrant instance在將 Qdrant 部署到生產環境之前，請務必閱讀我們的安裝和安全指南。
Qdrant 提供以下客戶端程式庫，可協助您輕鬆將其整合到應用程式堆疊中：
使用 Qdrant 釋放語義嵌入的強大功能，超越基於關鍵字的搜索，在短文本中找到有意義的聯繫。使用預先訓練的神經網路在幾分鐘內部署神經搜索，並體驗文字搜尋的未來。在線嘗試！
發現不僅僅是文本搜索，尤其是在食物方面。人們通常根據外觀而不是描述和成分來選擇膳食。讓 Qdrant 幫助您的用戶使用視覺搜尋找到下一頓美味佳餚，即使他們不知道菜餚的名稱。一探究竟！
進入極端分類的前沿領域，這是一個新興的機器學習領域，可解決具有數百萬個標籤的多類和多標籤問題。利用相似性學習模式的潛力，了解預先訓練的 Transformer 模型和 Qdrant 如何徹底改變電子商務產品分類。在線玩它！
| 語意文字搜尋 | 相似圖片搜尋 | 建議 |
| 聊天機器人 | 匹配引擎 | 異常檢測 |
線上 OpenAPI 3.0 文件可在此處取得。 OpenAPI 可以輕鬆地為幾乎任何框架或程式語言產生用戶端。
您也可以下載原始 OpenAPI 定義。
為了更快地進行生產層搜索，Qdrant 還提供了 gRPC 介面。您可以在此處找到 gRPC 文件。
Qdrant 可以將任何 JSON 有效負載附加到向量，從而允許根據這些有效負載中的值儲存和過濾資料。 Payload支援多種資料類型和查詢條件，包括關鍵字匹配、全文過濾、數值範圍、地理位置等。
過濾條件可以透過多種方式組合，包括should 、 must和must_not子句，確保您可以在相似性匹配的基礎上實現任何所需的業務邏輯。
為了解決搜尋特定關鍵字時向量嵌入的局限性，除了常規的密集向量之外，Qdrant 還引入了對稀疏向量的支援。
稀疏向量可以被視為 BM25 或 TF-IDF 排序的推廣。它們使您能夠利用基於變壓器的神經網路的功能來有效地權衡各個令牌。
Qdrant 提供了多種選項，使向量搜尋更便宜、更有效率。內建向量量化可將 RAM 使用量減少高達 97%，並動態管理搜尋速度和精確度之間的權衡。
Qdrant 透過兩個關鍵機制提供全面的水平擴展支援：
io_uring最大限度地提高磁碟吞吐量利用率，即使在網路連接儲存上也是如此。Qdrant 整合的範例和/或文件：
Qdrant 根據 Apache 授權 2.0 版授權。查看許可證文件的副本。
