Arch Day 142: 向量数据库选型 — Pinecone vs pgvector vs Qdrant

日期: 2026-08-19 (Day 142) 阶段: 第六阶段 - LLM与AI架构 标签: #向量数据库 #Pinecone #pgvector #Qdrant #Weaviate #Milvus #RAG

---

核心概念

一句话定义

向量数据库是RAG的记忆层——决定了检索速度、准确度和成本。选型的核心不是"哪个最快"，而是匹配数据规模、运维能力和预算。

---

知识点详解

1. 核心对比矩阵

2. Pinecone Serverless定价

注意: 带metadata过滤的查询可能消耗5-10 RU（非固定1 RU）。

3. 选型决策树

数据规模 < 50M向量？
├── 是 → Managed SaaS
│   ├── 零运维优先 → Pinecone Serverless
│   ├── 混合搜索最优 → Weaviate Cloud
│   └── 性价比+性能 → Qdrant Cloud ($25/月起)
└── 否(>50M)
    ├── >1B向量 → Milvus (DiskANN)
    ├── 已有Postgres → pgvectorscale
    └── 极致控制 → Qdrant自部署 (量化+磁盘: $102→$27)

---

面试题

问题：为什么不直接用PostgreSQL的pgvector？

回答：pgvector适合已有PG栈且规模<50M向量的场景——ACID事务、JOIN查询、无额外运维。但劣势是：1) 缺少原生混合搜索；2) 大规模下性能不如专用向量库；3) 索引构建可能影响OLTP性能。如果向量搜索是核心功能，专用库(Qdrant/Weaviate)更合适。