向量数据库选型 pgvector Milvus Qdrant 对比

概览pgvector：PostgreSQL 扩展，易集成，事务一致性好，适合中小数据量与复杂查询联结Milvus：面向大规模向量检索，支持多索引与分布式，适合海量场景Qdrant：Rust 实现，开箱即用的 HNSW 与过滤，性能与易用性兼顾索引与参数（经验证的实现特性）pgvector：支持 `ivfflat` 与 `hnsw`；常用参数 `lists`（IVF）与 `m`、`ef_search`（HNSW）Milvus：支持 `IVF_FLAT`、`IVF_PQ`、`HNSW` 等；创建索引需指定 `nlist`/`M`/`ef`Qdrant：核心为 HNSW，参数 `m` 与 `ef`；支持基于向量的过滤与 payload 检索部署与一致性pgvector：继承 PostgreSQL 事务与 WAL；适合需要强一致与复杂 SQL 的系统Milvus：组件化架构，需部署依赖；适合独立检索服务与大规模分片Qdrant：单二进制与容器化部署便利；默认写入可靠并提供快照场景建议以业务查询为主且需强一致：pgvector超大规模、批量导入与离线检索：Milvus快速落地、需要过滤与较低维护成本：Qdrant调参要点HNSW：`M` 控制图连通性与内存占用，`ef_search` 影响查询精度与时延IVF：`lists`/`nlist` 影响聚类桶数量；导入后需 `ANALYZE`/`REINDEX`（视实现）验证流程固定语料与查询集，分别在三者上构建索引记录 QPS、P95 延迟与 Recall/nDCG在 HNSW 的 `M` 与 `ef_search` 上做网格搜索，选择拐点参数总结根据一致性需求、数据规模与维护成本选择合适实现，并通过系统化评测确定稳态参数。