Векторные хранилища для RAG: когда достаточно pgvector в PostgreSQL, а когда нужен Qdrant
Сравниваем индексы HNSW, фильтрацию по метаданным, потребление оперативной памяти и стоимость сопровождения векторных БД.
Начните с pgvector, если у вас уже есть PostgreSQL
Для базы знаний объёмом до 1–5 миллионов фрагментов расширение pgvector с индексом HNSW обеспечивает время отклика в единицы миллисекунд и позволяет объединять векторный поиск с проверкой прав доступа и транзакциями в одном SQL-запросе.
Когда оправдан выделенный Qdrant
При десятках миллионов векторов, высокой частоте обновлений, необходимости квантования самих векторов (Scalar/Binary Quantization) для экономии ОЗУ и сложной фасетной фильтрации специализированный движок Qdrant на Rust даёт заметный выигрыш.
Отметка поможет найти непрочитанное.