高级元数据过滤
元数据以 JSON 形式存储，支持嵌套、文本、地理、has_vector 等多种过滤条件，可以在检索时按业务字段精确圈定候选范围。
价格价格未公布
平台Web / API
归类AI 智能体
收录2026-10-12
复核2026-10-12
编辑评分
4.5 / 5
★★★★☆
Qdrant编辑总结
Qdrant 是一个开源向量数据库与相似性搜索引擎，用 Rust 从零构建，自带 SIMD 优化和定制存储引擎 Gridstore。它把元数据过滤直接做进 HNSW 遍历，支持稠密与稀疏向量的原生混合检索，并提供标量、二进制与非对称量化，内存占用最多可降到原来的六十四分之一。部署形态覆盖全托管云、混合云、私有云与边缘端，兼容 AWS、GCP、Azure，提供 SOC 2 与 HIPAA 合规选项。GitHub 星标超过三万，社区成员超过六万。当前官网未公开具体定价档位与免费额度上限，选型时需要先确认费用。
Qdrant是什么？
Qdrant 是一个面向 AI 应用的向量数据库和相似性搜索引擎，由 Qdrant 团队开发，全部用 Rust 编写，并配套了自研的存储引擎 Gridstore。它面向需要把向量检索做成生产级能力的团队，覆盖从原型验证到大规模在线服务的场景。
当前的主力形态是一套完整引擎加多种部署模式。引擎侧的能力包括：把元数据以 JSON 形式存储并支持嵌套、文本、地理、has_vector 等高级过滤；在单次查询里混合稠密与稀疏向量，支持 BM25、SPLADE++ 和 miniCOIL；为每个对象保存多个向量以提升相关性表达；以及在 HNSW 遍历过程中直接完成过滤，不需要前置或后置过滤。检索层还提供分数加权、ColBERT 这类后期交互模型的 token 级精排，以及用最大边际相关性做结果去重。
部署方式分四种：Qdrant Cloud 是全托管，在 AWS、GCP 或 Azure 上提供高可用和自动分片；Qdrant Hybrid Cloud 允许用户带自己的 Kubernetes，控制面与数据面解耦；Qdrant Private Cloud 面向气隙隔离和合规部署；Qdrant Edge 处于 Beta，主打靠近数据产生位置的轻量低延迟检索。工具链方面提供 Prometheus、Grafana、Datadog 对接，以及 SAML/OIDC 单点登录。
不同角色的用法不一样。应用开发者通常从 Qdrant Cloud 的免费入口开始，先把检索链路跑通，再按延迟和成本调索引参数；平台或基础设施团队更关心混合云与私有云，因为控制面和数据面可以分开，数据留在自己集群里；做智能体、推荐或搜索产品的团队则会把混合检索、多向量和精排组合起来，把检索层做得更有表达力。
Qdrant核心功能
原生混合检索
一次查询里同时使用稠密与稀疏向量，把关键词匹配和语义匹配合在一起，内置支持 BM25、SPLADE++ 与 miniCOIL。
多向量表达
每个对象可以保存多个向量，让检索层能表达更丰富的信息，适合多模态以及需要更细粒度相关性的场景。
一阶段过滤
过滤在 HNSW 图遍历过程中完成，不需要事先或事后过滤，复杂条件下仍能保持高召回和低延迟。
全谱系精排
支持分数加权注入业务逻辑、用 ColBERT 这类后期交互模型做 token 级精排，以及用最大边际相关性让结果更分散。
实时索引
新数据写入后立即可以被检索到，不需要重建整个索引，适合数据持续流入的在线场景。
量化压缩
提供非对称、标量和二进制量化，内存占用最多可降到原来的六十四分之一，同时尽量保持检索质量。
多形态部署
提供全托管云、混合云、私有云和边缘端四种部署方式，覆盖 AWS、GCP、Azure 以及气隙隔离环境。
企业级工具链
支持 Prometheus、Grafana、Datadog 监控对接，以及 SAML/OIDC 单点登录，另有 SOC 2 与 GDPR 对齐选项。
Qdrant值不值得用？
当你要做生产级的 AI 检索、并且希望检索层有足够表达力时，Qdrant 值得认真评估：过滤做在 HNSW 遍历里、稠密与稀疏向量可以在一次查询里混用、多个向量可以挂在同一个对象上，这些能力组合起来适合智能体记忆、推荐和语义搜索这类对召回与延迟都敏感的场景。如果你的团队有自建 Kubernetes 集群，混合云和私有云能把控制面与数据面分开，数据留在自己环境里。需要留意的是价格与免费额度上限没有公开，预算审批前要先确认费用；边缘端目前还是 Beta，对稳定性要求高的线上系统应先避开。
建议选它的情况
- 要做智能体记忆、推荐或语义搜索，需要高召回与低延迟兼顾的团队
- 希望一次查询同时用关键词和语义匹配，不想维护两套检索系统
- 有自建 Kubernetes，想自己掌控数据面并保持合规
- 向量规模达到数十亿，需要靠量化把内存成本压下来
不建议选它的情况
- 预算审批需要先看到明确报价，而当前没有公开价目表
- 只需要简单关键词搜索，用不上向量与混合检索
- 线上系统要求所有组件都已 GA，不能接受 Beta 形态的组件
Qdrant使用建议
入门先把路子走对
- 从云入口起步先用 Qdrant Cloud 的Start Free入口建一个集群，把检索链路跑通，再决定是留托管还是迁到自建环境。
- 先定过滤字段建模时就把要用来过滤的元数据写进 JSON 载荷，并确定字段类型，后面加过滤条件时不用回炉重造数据。
- 先跑纯稠密检索先用稠密向量把基线延迟和召回测出来，再逐项叠加稀疏向量、多向量和精排，方便判断每一步带来的收益。
进阶省时间也省钱
- 用一阶段过滤压延迟把业务过滤条件尽量交给引擎在遍历中处理，而不是取回结果后再筛，这样高选择性条件下召回损失更小。
- 按内存预算选量化内存吃紧时优先上标量或二进制量化，最高可把占用降到原来的六十四分之一，但要同步验证检索质量是否可接受。
- 精排叠加在检索之后先用混合检索拿到候选集，再用 ColBERT 这类后期交互模型做 token 级精排，比一上来就上重模型更省算力。
- 开监控再压测接入 Prometheus、Grafana 或 Datadog 之后再做大流量压测，能看清延迟和资源瓶颈分别落在哪一环。
Qdrant适合谁用？
AI 应用开发团队
推荐要做在线语义检索或智能体记忆，需要过滤、混合检索和精排一次到位，可以直接用引擎里的这些能力搭链路。
平台与基础设施团队
推荐想带自己的 Kubernetes、把控制面和数据面分开，混合云与私有云满足数据留在自有环境的要求。
推荐与搜索产品方
推荐需要在一次查询里混合关键词和语义匹配，还要按业务逻辑加分、按多样性打散结果，检索层的表达力够用。
预算需先审批的采购方
有条件定价档位与免费额度上限没有公开，走预算流程前需要先拿到报价，否则采购环节会卡住。
追求全组件 GA 的线上系统
有条件边缘端仍是 Beta 形态，对稳定性要求严格的线上系统应先使用已经稳定发布的部署方式。
Qdrant优点和缺点
优点
- 引擎全部用 Rust 编写，配合 SIMD 与自研 Gridstore，没有外层封装
- 过滤在 HNSW 遍历中完成，复杂条件下仍保持高召回和低延迟
- 单次查询可混用稠密与稀疏向量，内置 BM25、SPLADE++、miniCOIL
- 量化最多把内存占用降到原来的六十四分之一，仍兼顾检索质量
- 新数据写入即可检索，无需重建整个索引
- GitHub 星标超过三万，社区成员超过六万
- 提供 SOC 2 与 HIPAA 合规选项，支持 SAML/OIDC 单点登录
缺点
- 定价档位与免费额度上限未公布，预算审批前需先确认费用
- 边缘端仍是 Beta，不适合要求全组件稳定的线上系统
- 过滤表达式、多向量与量化参数需要理解索引结构才能调好
- 对只需关键词搜索的场景，引入向量检索会额外增加维护成本
Qdrant关键指标
Qdrant常见问题
Qdrant 要花多少钱，有免费额度吗？＋
定价档位与免费额度上限没有公布，官网只提供Start Free入口，可以先建集群验证检索链路。整体走的是联系销售定价的模式，具体费用需要向官方询价后再做预算。
它支持哪些部署方式？＋
有四种形态。Qdrant Cloud 是全托管，在 AWS、GCP 或 Azure 上提供高可用和自动分片；混合云让用户带自己的 Kubernetes，控制面与数据面解耦；私有云面向气隙隔离和合规部署；边缘端为主打低延迟的 Beta 形态。
混合检索是怎么做的？＋
一次查询里可以同时使用稠密和稀疏向量，把关键词匹配和语义匹配合在一条检索链路里，内置支持 BM25、SPLADE++ 与 miniCOIL，不需要额外再维护一套独立的全文检索系统。
过滤是在检索前还是检索后做的？＋
过滤在 HNSW 图遍历过程中直接完成，没有前置过滤或后置过滤这两个阶段。这样做的好处是在条件复杂、选择性很高时仍能保持高召回和低延迟，不会因为先取结果再筛而损失召回。
向量太多、内存不够怎么办？＋
可以用量化压缩，官方给出的是非对称、标量与二进制三种方式，内存占用最多可降到原来的六十四分之一，同时尽量维持检索质量。落到具体配置时要根据自己的数据和查询验证召回是否可接受。
精排支持哪些方式？＋
检索层提供三类做法：用分数加权把业务逻辑注入排序；用 ColBERT 这类后期交互模型做 token 级精排；用最大边际相关性让返回结果更分散。可以按场景单独使用，也可以叠加在混合检索的候选集之后。
企业合规方面有什么支持？＋
提供 SOC 2 与 HIPAA 合规选项，并给出 GDPR 对齐选项。工具链层面支持 SAML/OIDC 单点登录，监控可对接 Prometheus、Grafana 和 Datadog，方便接入现有运维体系。
Qdrant最新动态
-
Qdrant Edge 进入 Beta
新增边缘端部署形态，主打靠近数据产生位置的轻量、低延迟向量检索。
