Qdrant 2024 最新基准测试

是时候更新 Qdrant 的基准测试了！

我们比较了 Qdrant 与其他向量搜索引擎的性能，为您提供全面的性能分析。让我们来看看我们的方法有哪些新变化，又有哪些保持不变。

有哪些变化？

所有引擎均有改进

自上次运行基准测试以来，我们收到了许多关于如何更高效地运行其他引擎的建议，并采纳了这些建议。

这使得所有引擎的性能都得到了显著提升。在某些情况下，我们甚至实现了近四倍的惊人改进。您可以在此处查看之前的基准测试结果。

引入新数据集

为了确保我们的基准测试符合大规模服务 RAG 应用（向量数据库当前最常见的用例）的需求，我们引入了一个包含 100 万个 OpenAI 嵌入向量的新数据集。

延迟与 RPS（每秒请求数）场景分离

不同应用对性能有不同的要求。为了解决这个问题，我们明确区分了延迟和每秒请求数（RPS）这两种场景。

例如，自动驾驶汽车的物体识别系统旨在尽快处理请求，而 Web 服务器则专注于同时服务多个客户端。通过模拟这两种场景并支持配置 1 个或 100 个并行读取器，我们的基准测试能更准确地评估搜索引擎的性能。

有哪些不变？

我们的基准测试原则

Qdrant 的所有代码都是开源的。我们确保人人都能访问我们的基准测试，您可以在自己的硬件上运行它们。您的意见对我们至关重要，欢迎贡献和分享最佳实践！

我们的基准测试严格限于开源解决方案，确保硬件平等，避免外部云组件带来的偏见。

我们特意不将库或算法实现纳入比较，因为我们的重点完全在于向量数据库。

原因何在？

因为像 FAISS 这样的库虽然对实验有用，但无法完全解决实际生产环境的复杂性。它们缺少实时更新、CRUD 操作、高可用性、可扩展性和并发访问等功能——这些都是生产场景必不可少的。向量搜索引擎不仅仅是其索引算法，更是其在生产环境中的整体性能。

我们使用与 ann-benchmarks 项目相同的基准测试数据集，因此您可以将我们的性能和准确性与其进行比较。

详细报告与访问

如需深入了解我们最新的基准测试结果，请阅读详细报告。

如果您有兴趣亲自测试基准或为其开发做出贡献，请访问我们的基准测试仓库。感谢您的支持和参与，共同改进向量数据库的性能。