qdrant/qdrant

这是什么？

核心功能

• 01同一引擎支持稠密向量、稀疏向量和多向量检索。
• 02支持 must、should、must_not 条件组合的负载过滤。
• 03支持基于 RRF 和 DBSF 融合的混合搜索。
• 04内置量化功能，可减少内存占用。
• 05支持分片、副本，并可在不停机的情况下更新集合。
• 06提供 REST 和 gRPC 接口，并有六种语言的官方客户端。

适用场景

• 基于语言模型 embedding 构建语义文本搜索。
• 电商中的图片或商品相似度搜索。
• 基于正负样例的推荐功能。
• 在边缘设备上通过 Qdrant Edge 运行支持离线的向量搜索。

快速上手

1. 1

   使用 Docker 运行 Qdrant 服务器

   docker run -p 6333:6333 qdrant/qdrant
2. 2

   使用 Python 客户端连接服务器

   from qdrant_client import QdrantClient client = QdrantClient(url="http://localhost:6333")

使用前须知

• !该 Docker 命令启动的是无身份验证、对所有网络接口开放的不安全部署；投入生产前必须加固安全配置。

标签

常见问题

qdrant 是什么？

Qdrant 是用 Rust 编写的向量相似度搜索引擎和向量数据库，支持带条件过滤的语义搜索与推荐。 Qdrant 是一个向量相似度搜索引擎和向量数据库。它存储由向量和任意 JSON 负载（payload）组成的数据点，支持按相似度检索，同时可以基于关键词、全文、数值范围、地理位置等负载字段进行过滤。它适用于基于 embedding 的语义匹配、分面搜索和推荐类应用。

qdrant 可以免费使用吗？用的什么许可证？

qdrant 以 Apache-2.0 许可证开源。用于商业产品前，请先确认许可证条款。

qdrant 还在维护吗？

活跃维护中。qdrant 最近一次提交是在 2026年10月20日。

qdrant 适合用来做什么？

基于语言模型 embedding 构建语义文本搜索。 电商中的图片或商品相似度搜索。 基于正负样例的推荐功能。 在边缘设备上通过 Qdrant Edge 运行支持离线的向量搜索。

qdrant 怎么安装和运行？

使用 Docker 运行 Qdrant 服务器: docker run -p 6333:6333 qdrant/qdrant 使用 Python 客户端连接服务器: from qdrant_client import QdrantClient client = QdrantClient(url="http://localhost:6333")

在哪里获取 qdrant？

源代码和安装说明在 GitHub 上：https://github.com/qdrant/qdrant