AI数据库

Docker 部署 Qdrant 向量数据库

Posted Cola🌀

Qdrant 简介 🔖

Qdrant 是一款专为人工智能和机器学习应用设计的开源向量数据库，旨在提供高效的向量存储和相似性搜索能力。‌

核心特点：

  • ‌开源与高性能‌：Qdrant 遵循 Apache 2.0 许可协议，完全开源，并针对高维向量数据进行了深度优化，确保在大规模数据集上的快速查询性能。‌13
  • ‌实时性与灵活性‌：支持实时向量搜索，并允许在查询时结合元数据过滤（通过“负载”功能），满足复杂的业务需求。‌
  • ‌分布式架构‌：支持水平扩展，可部署在多节点集群上，提升系统的可伸缩性和可靠性，适合云原生环境。‌
  • ‌多语言支持‌：RESTful API + gRPC（v1.8+），通过 RESTful API 和 gRPC 接口，与多种编程语言无缝集成，包括 Python、.NET 等。
  • ‌先进算法‌：支持 HNSW、IVF、DiskANN 等索引，采用 HNSW（层次可导航小世界）等近似最近邻（ANN）算法加速搜索，并支持欧几里得距离、余弦相似度等多种距离度量。‌
  • 适用场景：RAG、推荐系统、语义搜索、AI Agent 记忆库

　　

Docker部署 🔖

# 拉取最新镜像
docker pull qdrant/qdrant:latest

# 创建持久化目录
mkdir -p /Users/xxx/Documents/docker/qdrant/storage

# 启动容器（带 API Key 认证）
docker run -d \
  --name qdrant \
  -p 6333:6333 \
  -p 6334:6334 \
  -v /Users/xxx/Documents/docker/qdrant/storage:/qdrant/storage \
  -e QDRANT__SERVICE__API_KEY="your_strong_secret_key" \
  qdrant/qdrant:latest

6334 是 Qdrant 官方指定的 gRPC 协议通信端口，和 6333 端口（HTTP/REST 协议）是 Qdrant 提供的两种不同接口：

  • 6333 端口：走 HTTP/REST 协议，适合调试、简单请求、手动调用（比如用 curl 测试、Postman 调接口）；
  • 6334 端口：走 gRPC 协议，是 Qdrant 为高性能、大批量数据交互设计的专用端口，也是生产环境中推荐使用的接口方式。
  • 调试阶段可以用 6333 端口快速验证功能，但在正式上线的项目中，建议使用 6334 端口的 gRPC 接口，能显著提升服务的响应速度和并发能力。
  • Qdrant 官方为各种编程语言（Python、Go、Java 等）提供的 SDK，底层默认优先使用 gRPC 协议（即 6334 端口），只有在 gRPC 不可用时才降级到 HTTP。比如 Python 的 qdrant-client 库，只要你配置的地址包含 6334 端口，就会自动用 gRPC 通信。

　　

✅ REST API：http://localhost:6333
✅ Dashboard（Web UI）：http://localhost:6333/dashboard