Charles
面小红书被问懵了：向量数据库选Milvus还是FAISS？面试官听完直接摇头…上周面小红书搜索部后端岗，二面面试官上来就问： "你们做RAG用的什么向量数据库？如果重新选，Milvus、FAISS、Qdrant、PgVector你选哪个？"我脱口而出："Milvus吧，分布式的，性能好。"面试官三连问："好在哪？跟FAISS比QPS差多少？Qdrant的量化技术你了解吗？"当场哑火。 面试官摇了摇头——就是那种"你只会用，根本没想过为什么"的眼神。面完我花了3天把向量数据库扒了个底朝天，先纠正一个90%的人都搞错的点：💡 FAISS根本不是数据库！ 它只是Facebook开源的一个向量检索算法库——只管算相似度，不管存储、不管事务、不管分布式、不管元数据过滤。很多人面试时张口就"FAISS数据库"，面试官直接扣分。一句话总结四款选型： 🐘 PgVector → 小团队小数据（<100万），已有PG就用它，省事儿 🚀 Qdrant → 千万级规模首选，Rust写的性能贼猛，Docker一键部署 ⚡ Milvus → 大厂亿级数据，分布式稳得一批，就是部署太复杂 🔧 FAISS → 纯算法/离线场景用，快是真快，但啥都得自己封装性能数据（SIFT-1M，HNSW索引，128维）： • P99延迟：Qdrant ~5ms | Milvus ~8ms | PgVector ~45ms • QPS（100并发）：Qdrant ~18k | Milvus ~12k | PgVector ~220 （完整对比表看图1）面试官问选型其实根本不是考你背参数，是看你有没有架构思维——能不能在约束条件下做权衡。说个真实的坑：我们之前用PgVector，数据到200万的时候查询直接卡成狗，后来做了索引优化+分片才救回来。早知道一开始就评估Qdrant了。你们项目里用的啥向量数据库？踩过什么坑？ 评论区聊聊，我一条条回。🗳️ 投票：你们项目用什么向量数据库？ A. Milvus B. Qdrant C. PgVector D. FAISS E. 其他（评论区说）
发布于 江苏
7
7
5
未登录
友善发言
评论
加载中
