知识条目 / Qdrant
Qdrant 过滤检索与内存占用如何优化?
为过滤字段建立 payload 索引,结合量化与磁盘存储降低内存,同时监控召回损失。
Qdrant 支持带 payload 过滤的向量检索。若过滤字段没有 payload 索引,服务需要先扫描再过滤,复杂条件会显著拖慢查询。
处理步骤
- 建立 payload 索引对常用过滤字段创建 keyword、integer 或 datetime 索引。索引类型要与字段实际取值匹配,避免无效索引。
- 调整 HNSW 参数通过 m 与 ef_construct 控制图结构,查询时用 hnsw_ef 控制候选范围。参数提高会提升召回,但增加构建时间与内存。
- 评估量化与磁盘存储数据量大时可启用标量或乘积量化减少内存,把原始向量放在磁盘。上线前用真实查询评估召回下降幅度。
- 观察内存与延迟监控集合大小、段数量与查询延迟。频繁更新会产生大量小段,需要触发优化合并以降低查询开销。
示例
PUT /collections/docs/index
{
"field_name": "tenant_id",
"field_schema": "keyword"
}
POST /collections/docs/points/search
{
"vector": { "name": "embedding", "vector": [0.12, 0.34, 0.56] },
"filter": { "must": [{ "key": "tenant_id", "match": { "value": "t-1001" } }] },
"limit": 10,
"params": { "hnsw_ef": 128 }
}
量化会带来一定召回损失,需用业务样本验证。修改向量配置可能导致集合重建,务必先备份快照。
关键词
qdrant · 向量 · payload · 过滤 · 索引 · 量化 · quantization · 内存 · hnsw · 相似度