随着大模型的新起，vectorstore这1、2年也非常的火。从以前只能用chroma到现在几十种向量数据库，选都选不过来。

以我接触过的很多公司来说，他们去选择向量数据库的时候，很多都和迷茫，不知道应该选择哪个向量数据库，甚至也不知道市面上有哪些向量数据库，甚至很多公司就随便选了一个差不多的，先用起来再说。

今天，我就抛砖引玉，以我对向量数据库的理解，来为向量数据库选型做一个对比和介绍，大家也可以聊聊你们现在用的是哪款向量数据库。

这里先不看云厂商的vectorstore，因为很多公司由于应用都在阿里云、腾讯云或者其他的云厂商，为了所谓的兼容或者减少运维成本，就直接选了dashvector或者其他的云向量数据库，我们仅来谈谈非云厂商的向量数据库。

同时我们再排除非专业做向量数据库的，比如redis，neo4j，cassandra，solr，clickhouse，elasticsearch，mongodb atlas。毕竟这些存储，不是用来专业做vectorstore的。

那么剩下来，在国内能耳熟能详的，我觉得有以下几个。

1. pinecone
2. pgvector
3. qdrant
4. milvus
5. weaviate
6. chroma

以上排名，不分先后，文章最后，我们根据我的项目经验，给大家稍微介绍一下优劣。

vectorstore选好了，接下来，就要看看从哪些维度来对比：

我们就从以下角度来吧：

1、base

1.1 oss : 是否开源，用户是否可以私有化部署

1.2 License: 采用什么license

1.3 DevLang：开发语言用的什么

1.4 VSS Lanuch: 第一个relase版本的发布时间

2、Search

2.1 Filters：过滤的意思是，在查询的时候，是否可以根据metadata进行过滤。比如大家都会的，在我们的rag高级实战课中介绍过的self-query，就是当用户的问题过来后，我们可以先通过filters过滤掉无用的document，从而达到很好的效果。特别是范围查询的时候，比如一个电影推荐的vectorstore，比如，用户如果问，香港的动作电影。这个时候，filters可以直接按照metadata按照地区和电影类型进行过滤。所以这个filters，一般的vectore，都应该支持。

2.2 Hybrid Search： hybrid search的意思是，我可以通过关键词keyword+向量搜索vector search一起进行搜索，这个在高级的rag中也经常使用，特别是使用RRF获取更多rag的相关结果。比如在电商中，可以先搜索关键词，搜索出来的结果后，再通过品牌，价格区间，评分进行细分，与lucene类似，如果大家以前对搜索有一定研究的话，就可以知道，这个相当于搜索结果再分组，类似与lucene、solr等搜索引擎。

2.3 facets: 与前面说的filters类似，facets也是用来过滤结果的。只是，filters是在查询前过滤，减少搜索范围。而facets用于查询结果出来以后，进一步细分或者分组。

2.4 Geo search ：就是地理位置坐标的支持，从而可以快速的计算出多个位置之间的距离和联系。

2.5 Multi-vector：为了实现多视角查询、多模态查询、分层查询、混合语义查询，vectorstore需要支持multi-vector功能。

2.6 sparse： 有的时候，用户已经有特定需求或者已经有了现成的稀疏向量，而不需要依赖vectorstore或系统内置的算法来生成vector。.

2.7 BM25： 是否内置bm25

2.8 full-text : 是否内置全文检索，类似lucene、solr等

3、Models

3.1 Text Model: 是否内置或者插件支持类似sentence-transformers或者 huggingface等文本embedding模型。

3.2 Image Model: 是否支持图像embedding，比如CLIP.

3.3 Struct Model：是否支持struct model，比如user click，graph等。

4、Apis

4.1 langchain ：是否支持langchain

4.3 llamaindex: 是否支持llamaindex

4.4 rag： 是否支持rag的全部高级功能

4.5 Recsys: 是否内置推荐系统等功能

5、ops

5.1 Managed： 是否提供云端管理

5.2 Pricing： 是否提供收费服务

5.3 in-process：应用程序级别的

5.4 Multi renant：是否支持多租户

5.5 disk index：是否支持硬盘存储index

5.6 ephemeral index: 在没有部署的情况下， 是否可用，比如Memory的支持。

5.7 sharding：是否支持sharding 负载均衡

5.8 document维度大小：最大支持的vector dims

5.9 int8 quantization：是否支持int8量化

5.10 binary quantization: 是否支持binary量化

5.11 index type: index的类型，比如：flat，flat-bq，hns，freshdiskann等。

接下来，我们2个2个比较一下：

大家可以根据上面的截图，和我上面的指标介绍，按照自己的业务系统对vectorstore的功能和部署方式，来选择您觉得最适合你们的vectorstore。

大家在选择向量数据库的时候，还是需要按照自己的需求来。看看你们的业务是否需要vectorstor的一些高级功能，比如：filter,hybrid search,facets,multi-vector,sparse,bm25等等。

另外，也是特别关键的一点，就是你的数据是否有严格的合规和安全需求，是否允许存储在云上。虽然存储在云上的好处很多，但是如果你们团队对数据资产十分的看中，您也可以选择类似qdrant的vectorstore，自有存储，自有维护。

还是那句话，大家在做向量数据库选型的时候，一定要多对比几个产品，同时一定要清楚公司的业务，到底需要vector提供什么样的能力，在来进行对比。

整个所有向量数据库的对比表格，如果您需要的话，私聊我，我把地址发给您。

关注我，每天带你开发一个AI应用，每周二四六直播，欢迎多多交流。