
Qdrant
Eine quelloffene Vektordatenbank für selbst gehostete oder verwaltete Cloud-Retrieval-Workloads.
Über Qdrant
Qdrant ist eine in Rust geschriebene quelloffene Vektordatenbank und semantische Suchmaschine. Sie speichert Vektoren zusammen mit JSON-Nutzdaten und stellt REST-APIs für die Verwaltung von Sammlungen, das Einfügen oder Aktualisieren von Punkten, Filterung, Suche, Snapshots und verteilte Bereitstellungen bereit. Retrieval-Teams können dichte und dünn besetzte Vektoren kombinieren, Attributfilter verwenden und mehrere Vektoren für ein Objekt modellieren. Die Auswahl an Bereitstellungsmodellen ist ungewöhnlich groß: Die Open-Source-Engine kann auf der eigenen Infrastruktur betrieben werden, alternativ kann man mit einem kleinen verwalteten Cloud-Cluster beginnen, dedizierte Ressourcen skalieren oder hybride und private Cloud-Konfigurationen besprechen. Die kostenlose Cloud-Stufe eignet sich für Tests und Prototypen. Produktionsfunktionen wie hochverfügbare Konfigurationen, Sicherungen, Notfallwiederherstellung und stärkere Verfügbarkeitszusagen sind dagegen kostenpflichtigen Stufen vorbehalten. Qdrant eignet sich gut für Retrieval-Augmented Generation, die semantische Produkt- oder Dokumentensuche und Empfehlungssysteme, erfordert bei der Einführung jedoch weiterhin eine Kapazitätsplanung. Vektordaten können viel Arbeitsspeicher beanspruchen, speicheroptimierte Konfigurationen können zugunsten geringerer Kosten die Suchgeschwindigkeit reduzieren und hohe Schreibraten können während der Hintergrundoptimierung mit Abfrage-Workloads um Ressourcen konkurrieren. Teams sollten auch die Betriebsverantwortung vergleichen: Selbsthosting bietet Kontrolle, überlässt Infrastruktur und Wiederherstellung jedoch dem Betreiber, während verwaltete Stufen diese Belastung gegen nutzungsabhängige oder ausgehandelte Kosten verringern.
Funktionen
Retrieval-Augmented Generation
Speichert Dokument-Embeddings mit Attributen und ruft gefilterten Kontext für KI-Anwendungen ab.
Semantische Suche
Durchsucht Produkte, Dokumente oder Medien anhand der Vektorähnlichkeit und wendet dabei Filter auf JSON-Nutzdaten an.
Empfehlungssysteme
Ordnet Benutzer und Elemente anhand der Vektorähnlichkeit zu, einschließlich dichter, dünn besetzter oder multivektorieller Darstellungen.
Vorteile
- Eine kostenlose selbst gehostete Edition und eine kostenlose Cloud-Stufe senken die Kosten für Prototypen.
- REST-APIs, Nutzdatenfilter, Snapshots und verteilte Steuerungsfunktionen decken den wesentlichen Retrieval-Workflow ab.
- Selbst gehostete, verwaltete, hybride und private Cloud-Optionen erfüllen unterschiedliche Infrastrukturanforderungen.
Nachteile
- Der kostenlose Cloud-Cluster ist auf 0.5 vCPU, 1 GB RAM und 4 GB Festplattenspeicher begrenzt.
- Skalierung für den Produktionseinsatz, Sicherungen, stärkere SLAs, SSO und private Verbindungen erfordern eine kostenpflichtige Stufe oder ein Verkaufsgespräch.
- Beim Selbsthosting übernimmt der Betreiber Kapazitätsplanung, Überwachung, Upgrades und Wiederherstellung.
Preispläne
OSS
- Selbsthosting auf der gewählten Infrastruktur
- Community-Support
- Von der Infrastruktur abhängiger Cloud-Anbieter und Verschlüsselung
Kostenlose Stufe
- Einzelknoten-Cluster
- 0.5 vCPU, 1 GB RAM und 4 GB Festplattenspeicher
- Kostenloses Cloud Inference mit ausgewählten Modellen
Standard-Stufe
- Dedizierte Ressourcen und flexible Skalierung
- Hochverfügbare Konfigurationen
- Sicherung und Notfallwiederherstellung
- SLA mit 99.5% Verfügbarkeit
Premium-Stufe
- Enterprise-SSO
- Private VPC-Verbindungen
- SLA mit 99.9% Verfügbarkeit
- Zusätzlicher Support
Hybrid- / Private Cloud
- Bereitstellung auf kundenseitig kontrollierter oder isolierter Infrastruktur
- Optionen für Datenresidenz und regulierte Workloads
- Individuelle Vereinbarungen für Sicherheit, Support und SLAs
* Die Preisangaben dienen nur zur Orientierung. Bitte beachten Sie die aktuellen Informationen auf der offiziellen Website von Qdrant.