pgvector, Qdrant, Pinecone или Weaviate: сравнение векторных БД

Короткий ответ

• pgvector — расширение PostgreSQL. Лучший старт, если Postgres уже есть, а векторов не слишком много.
• Qdrant — специализированная open-source векторная БД. Сильна в фильтрации и производительности, можно разворачивать у себя или в облаке.
• Pinecone — только управляемый облачный сервис. Минимум администрирования, но данные и инфраструктура у провайдера.
• Weaviate — open-source БД с акцентом на гибридный поиск и встроенные модули векторизации; есть self-hosted и облачный вариант.

Сравнение по ключевым параметрам

Установка и эксплуатация

pgvector ставится как расширение — новая система не нужна:

CREATE EXTENSION IF NOT EXISTS vector;
CREATE TABLE chunks (id bigserial PRIMARY KEY, content text, embedding vector(1024));
CREATE INDEX ON chunks USING hnsw (embedding vector_cosine_ops);

Бэкапы, права, репликация — всё как у обычного Postgres. Размерность в примере должна совпадать с вашей моделью.

Qdrant и Weaviate запускаются в Docker одной командой, но это отдельный сервис: его нужно мониторить, бэкапить и обновлять.

Pinecone не требует серверов: создаёте индекс через API или консоль и работаете. Взамен — зависимость от одного провайдера и хранение данных за его пределами.

Фильтрация

В RAG фильтры обязательны: права доступа, отдел, язык, дата. Здесь есть нюанс:

• В pgvector фильтр — это обычный WHERE. Удобно, но при очень избирательных фильтрах приблизительный поиск может вернуть меньше результатов, чем ожидалось; это нужно проверять и настраивать.
• Qdrant учитывает фильтры прямо при обходе индекса и создаёт индексы по полям payload — сильная сторона для сложных условий.
• Pinecone и Weaviate также поддерживают фильтрацию по метаданным вместе с векторным поиском.

Масштабирование

• pgvector масштабируется как Postgres: вертикально, read-реплики, партиционирование. Для очень больших индексов HNSW требует много памяти.
• Qdrant и Weaviate поддерживают шардирование и репликацию в кластере.
• Pinecone масштабируется провайдером, вы управляете только параметрами индекса.

Из чего складывается цена

Точные тарифы меняются, поэтому считайте по факторам:

• объём: число векторов × размерность — определяет память и диск;
• нагрузка: запросы в секунду и частота обновлений;
• модель оплаты: за сервер (self-hosted) или за хранение и операции (управляемые сервисы);
• скрытые расходы: время инженера на администрирование self-hosted решения.

Self-hosted обычно выгоднее при стабильной нагрузке и наличии DevOps, управляемый сервис — когда команда маленькая и важнее скорость запуска.

Что выбрать под размер проекта

Небольшой проект или MVP (корпоративная база знаний, каталог): pgvector. Одна база для данных и векторов, транзакции, привычные инструменты.

Средний и крупный поиск со сложными фильтрами и требованием хранить данные у себя: Qdrant или Weaviate. Weaviate стоит рассмотреть, если гибридный поиск — ключевое требование.

Команда без DevOps, которой нужен быстрый запуск и не важно, где лежат данные: Pinecone.

Частые ошибки

• Ставить отдельную векторную БД, когда хватило бы pgvector.
• Не проверять качество поиска с фильтрами на реальных данных.
• Забывать про бэкапы self-hosted векторной БД.
• Хранить только векторы без исходного текста и метаданных.