AI
人工智能相关文章
向量数据库选型2026：Milvus 2.5 vs Qdrant v1.10 基于亿级数据的实测报告
测试环境
硬件：AMD EPYC 9654（96核）| 256GB RAM | NVMe SSD 2TB
数据集：1亿条向量（1536维，OpenAI text-embedding-3-small）
版本：Milvus 2.5.3 | Qdrant v1.10.1
一、HNSW索引构建
# 统一配置
M: 16
efConstruction: 200
| 规模 | Milvus 2.5 | Qdrant v1.10 |
|---|---|---|
| 100万 | 42s | 38s |
| 1000万 | 23min | 19min |
| 1亿 | 68min | 74min |
差距在10%以内，Qdrant中等规模略优。
二、查询延迟（p50/p95/p99，ms）
| 场景 | Milvus | Qdrant |
|---|---|---|
| Top-10，100万数据 | 2/5/12 | 1.8/4/9 |
| Top-10，1000万数据 | 4/9/24 | 3.5/8/18 |
1000 QPS高并发
| 指标 | Milvus | Qdrant |
|---|---|---|
| 平均延迟 | 12ms | 9ms |
| p99延迟 | 89ms | 67ms |
| CPU使用率 | 73% | 68% |
Qdrant p99延迟优势明显，高并发下差距达25%。
三、内存占用对比（1亿向量）
Milvus（内存+磁盘混合）：
内存：38GB（仅索引） | 磁盘：147GB
支持按需加载，适合超大规模
Qdrant（全内存）：
内存：89GB（向量+索引全加载）
on-disk模式延迟增加5-10倍
关键决策点：数据量<1亿且内存充足→Qdrant；数据量>1亿→Milvus。
四、实时写入性能
并发写入+查询测试：
Milvus：1200 docs/s，写入期间延迟+15%
Qdrant：1800 docs/s（高50%），延迟+8%，无明显抖动
Qdrant在实时写入+查询并发场景优势显著。
五、选型决策表
| 场景 | 推荐 | 理由 |
|---|---|---|
| 数据<5000万，低延迟 | Qdrant | p99更低，部署简单 |
| 数据>1亿，节省内存 | Milvus | 分层存储少50%内存 |
| 实时写入频繁 | Qdrant | 写入高50%，抖动小 |
| 金融/医疗严格隔离 | Milvus | partition物理隔离 |
| 快速验证POC | Qdrant | 5分钟上手 |
建议用自己业务数据做5%采样测试，再做最终决策。