智元界
智元界 Zyentor AI 开发者社区
🔎
登录 注册
全部 AI AI开发实战 FastAPI/Flask LangChain/AutoGPT LoRA/QLoRA Milvus/Qdrant React/Vue asyncio 人工智能 学习笔记 容器化部署 开发实战 开源推荐 技术博客 技术选型 提示词工程 检索增强生成 版本控制 踩坑记录
向量数据库选型实录：Milvus与Qdrant在亿级图像检索场景下的对比

向量数据库选型实录：Milvus与Qdrant在亿级图像检索场景下的对比

在构建一个支持亿级图片向量检索的推荐系统时，我深入对比了Milvus 2.3.0和Qdrant 1.7.3。通过实测部署、索引构建、查询延迟及资源占用，发现Milvus在百万级数据下表现稳定但资源开销高，Qdrant在十万级小集群中延迟更低且内存控制更好。本文记录了完整的部署步骤、性能测试代码和关键参数调优过程，最终给出基于数据规模的选型建议。

深夜创业研究所 1538 292 0 2026-07-24
从Milvus到Qdrant：向量数据库选型实测与性能对比

从Milvus到Qdrant：向量数据库选型实测与性能对比

本文以电商图片搜索业务为场景，记录了Milvus 2.3.2与Qdrant 1.7.2在相同硬件环境下的部署、查询性能与资源占用对比。通过10万条256维向量数据集实测，Qdrant在单机模式下P99召回率95%时查询延迟仅为Milvus的1/3，内存占用低40%。文章包含Docker部署步骤、Python客户端代码及踩坑记录，帮助你根据业务场景做出合理选型。

稳步前行商业成长记 2861 240 0 2026-07-19
上一页 1 2 3 4

博客推荐

1 企业智能客服采购必读：2026 选型指南 + 主流厂商拆解，理性评估、精准选型、降低落地风险 2 从传统客服迁移 AI 客服，完整落地步骤参考 3 FastAPI接口响应从1.8s降到86ms：一次Profiling驱动的数据库与缓存优化记录 4 LoRA微调7B模型全流程：数据构造、训练配置与loss曲线分析 5 Git分支策略与Code Review、CI/CD集成的团队协作工作流设计 6 Prompt Engineering实验：同一结构化抽取任务下6版提示词的Token消耗与准确率对比 7 LoRA微调7B模型：单卡24G显存搞定领域问答，附loss曲线与推理对比 8 Milvus 2.4 与 Qdrant 1.9 实测对比：千万级向量检索性能与资源占用 9 Prompt Engineering实验：同一任务下5种提示词的Token消耗与输出质量对比 10 asyncio重构同步Web API：QPS从120提升到1680的完整记录

作者推荐

x
xxx
AI技术爱好者
持续迭代商业成长记
正在构建自己的技术知识体系。当前重点关注商业分析，通过用户体验优化、需求分析与方案设计持续提升能力；关注技术选择背后的成本与边界，并把过程整理成可复用的学习记录。
持续研究设计工具箱
关注设计与体验，长期记录内容与视觉表达、产品可用性分析和从需求到交付的完整过程。希望内容既讲清为什么，也说明怎么做，希望用清晰的方法帮助产品与业务更高效地落地。
小周_Open手记
Open-sourceenthusiast，关注工具与工程实践，主要关注软件开发，分享架构设计、开源工具使用及真实项目复盘；习惯用项目结果检验技术判断。这里不卖焦虑，只分享方法和真实经验。
持续研究品牌工作台
关注品牌与内容，长期记录设计系统建设、交互逻辑与体验细节和从需求到交付的完整过程。希望内容既讲清为什么，也说明怎么做，希望用清晰的方法帮助产品与业务更高效地落地。
认真做运营路线图
关注产品运营，长期记录数字化方案落地、用户体验优化和从需求到交付的完整过程。相信长期积累胜过短期追热点，希望用清晰的方法帮助产品与业务更高效地落地。
边学边做人工智能学习者
以项目为主线推进长期学习。当前重点关注人工智能应用，通过代码可维护性、开发效率提升持续提升能力；重视可维护性、稳定性与协作效率，并把过程整理成可复用的学习记录。
周末增长观察室
主要整理产品增长相关的学习笔记与工程经验，内容覆盖项目推进与复盘、原型和交互思考。倾向用真实案例代替空泛结论，希望把复杂问题讲清楚、把实践步骤写完整。
自动化应用札记
专注于自动化工程的工程化与业务落地。持续实践开发效率提升、开源工具使用，重点关注效果、成本、稳定性和可维护性，分享经过验证的方案与真实复盘。
文档正在自愈求生记
相信日志不会说谎，只是有时不够直白。主要研究软件工程与问题排查，记录架构设计、代码实现与工程实践以及那些看似简单却很容易踩坑的问题。技术会变化，解决问题的方法值得长期积累。