向量数据库怎么选——Pinecone、Milvus、Qdrant、Weaviate实测对比

RAG系统搭完了，prompt写好了，embedding模型选好了，然后呢？

卡在向量库这一步了。

我见过太多人——上周有个朋友问我："Milvus和Pinecone到底选哪个？"我说看你需求。他又问："那到底哪个好？"我说看你预算。他急了："你就告诉我选哪个！"

好吧，今天我把话说清楚。

Pinecone——云端SaaS，省心但贵

Pinecone是闭源SaaS，你不用部署，注册账号就能用。

优势：

• 零运维。真的零运维，连升级都不用你管
• 查询延迟稳定，p99在20-50ms（官方数据，我实测差不多）
• 支持namespace（多租户）和metadata过滤
• Serverless架构，按用量付费

坑：

贵。是真贵。

我去年搭了个原型，100万条768维向量，月费大概70。换成Milvus自建，同等规模一台4核8G的ECS就搞定了，月成本不到15。

还有一个——数据得传到美国服务器。如果你的业务涉及数据合规（比如国内金融、政务），Pinecone直接pass。

（说实话我一开始也觉得Pinecone很香，直到看到账单……）

适合： 原型验证、小团队不想招运维、数据无合规要求。

Milvus——国产开源，功能最全但学习曲线陡

Milvus是Zilliz（国内团队）开源的，CNCF毕业项目。国内用得多，文档中文齐全。

优势：

• 功能最全：近似检索（ANN）支持IVF、HNSW、DiskANN等多种索引
• 支持十亿级向量
• 生态好：LangChain、LlamaIndex、Haystack都有官方集成
• Zilliz Cloud（云托管版）可以免运维

坑：

学习曲线——是真的陡。

你第一次部署Milvus，etcd + MinIO + Milvus三个组件docker-compose起来，配置文件看懵。我第一次部署花了大半天，还踩了etcd版本不兼容的坑。

而且Milvus的版本迭代太快了。2.3到2.4到2.5，API改了好几次。我项目里用的2.3 SDK，升级到2.5之后collection创建方式都变了。

⚠️ 踩坑提醒： Milvus 2.4+默认用Sparse+Dense混合检索，如果你之前的项目用纯Dense，升级后需要重建collection。别问我怎么知道的。

适合： 国内团队、需要私有化部署、数据量大（亿级以上）、有运维能力。

Qdrant——Rust写的，性能炸裂但生态小

Qdrant是这三个里我最意外的。Rust写的，性能确实猛。

优势：

• 性能。在ann-benchmarks上，Qdrant的召回率和QPS在很多数据集上是Top 3
• 内存占用低（Rust的内存管理确实比Java/Go好）
• 支持payload过滤（类似metadata filtering，但更灵活）
• 部署简单：单个docker容器就能跑，不像Milvus三件套

坑：

生态小。这是最大的问题。

LangChain有集成，但文档不如Milvus详细。出了问题搜StackOverflow，中文资料更少——我上次搜"Qdrant 中文分词"，有用的结果不超过3篇。

还有一个：社区版（开源）不支持分布式。你要扩到多节点，得买Qdrant Cloud或者自己魔改。

（懂的都懂，单机版性能再炸，数据量上去了也得考虑横向扩展。）

适合： 中小规模（1000万以内）、追求极致性能、英文项目为主。

Weaviate——老牌选手，模块化设计

Weaviate是德国团队做的，2026年了还在持续迭代。

优势：

• 模块化：内置了多个embedding模型模块（OpenAI、Cohere、HuggingFace等），你甚至不用自己生成embedding，直接塞文本进去
• 支持混合检索（BM25 + Vector），这个在实际项目中很有用
• GraphQL API，查询灵活度高
• 有自己的托管云服务

坑：

重。

Weaviate是Java写的（不对，是Go写的，我记岔了——但部署体验确实重），启动慢，内存占用比Qdrant高不少。

国内社区几乎没人用。出了问题你得去GitHub Discussions或者Discord问，英文交流。

适合： 英文项目、需要混合检索、不想自己管理embedding。

选型决策表

如果是我，我选什么？

分三种情况：

情况1：你在国内做项目，数据不能出境。

选Milvus。没得选。Qdrant也行但生态太小，出问题没人帮你。

情况2：你做个原型/demo，赶紧上线。

选Pinecone。$70一个月买个省心，等用户量上来了再迁移。迁移成本没你想的那么大——向量数据导出来重新insert一遍就行了。

情况3：你认真做个长期项目，追求性价比。

我个人的选择是Qdrant。部署简单，性能好，单机扛得住几百万向量。生态小？自己踩坑自己写文档呗。

说真的，向量库选型没有标准答案。你的数据量、预算、团队能力、合规要求，每个变量都会改变结论。但有一点是确定的——别选了之后又纠结，先用起来，跑三个月再复盘。

你的RAG项目用的哪个向量库？踩过最大的坑是什么？评论区聊聊，我挨个看。

💡 一句话带走：国内私有化选Milvus，原型验证选Pinecone，追求性价比选Qdrant。