Qdrant 2024 年基准测试更新

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和不变之处。

有什么变化？

所有引擎都已改进

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，并已采纳这些建议。

这使得所有引擎都取得了显著的改进。结果，我们在某些情况下实现了近四倍的惊人性能提升。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与大规模服务 RAG 应用（目前向量数据库最常见的用例）的需求保持一致，我们引入了一个包含 100 万个 OpenAI 嵌入的新数据集。

延迟与 RPS 用例分离

不同的应用在性能方面有不同的要求。为了解决这个问题，我们明确区分了延迟和每秒请求数 (RPS) 用例。

例如，自动驾驶汽车的物体识别系统旨在尽快处理请求，而网络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允许配置 1 或 100 个并行读取器，我们的基准测试提供了更准确的搜索引擎性能评估。

有什么没变？

我们的基准测试原则

在 Qdrant，所有代码都保持开源。我们确保我们的基准测试对所有人开放，允许您在自己的硬件上运行它们。您的意见对我们很重要，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，确保硬件均等并避免外部云组件造成的偏差。

我们有意不将库或算法实现纳入我们的比较中，因为我们的重点完全放在向量数据库上。

为什么？

因为像 FAISS 这样的库虽然对实验有用，但不能完全解决实际生产环境的复杂性。它们缺乏实时更新、CRUD 操作、高可用性、可扩展性和并发访问等功能——这些在生产场景中至关重要。向量搜索引擎不仅是其索引算法，更是其在生产中的整体性能。

我们使用与 ann-benchmarks 项目相同的基准数据集，以便您可以将我们的性能和准确性与它进行比较。

详细报告与访问

如需深入了解我们最新的基准测试结果，我们邀请您阅读详细报告。

如果您有兴趣亲自测试基准测试或想为其开发做出贡献，请前往我们的基准测试仓库。感谢您的支持和参与，共同提高向量数据库的性能。