向量数据库怎么选Chroma、FAISS、Milvus 与 pgvector 对比系列从零构建企业 RAG 知识库第 8 篇1. 先纠正一个概念FAISS 更准确地说是向量相似度搜索库不是完整的网络数据库Chroma 面向 AI 应用开发体验Milvus 是专门的分布式向量数据库pgvector 是 PostgreSQL 的向量扩展。产品能力和版本会变化最终选型必须用目标版本、数据规模和部署环境做 PoC不能只看本文或营销表格。2. 先问业务约束数据量和增量写入速度查询 QPS 与 P95 延迟过滤条件是否复杂是否已有 PostgreSQL 运维能力是否需要分布式扩展和高可用备份、恢复、监控和权限要求团队能承担多少新基础设施。3. 稳定的定位对比候选更适合的起点主要优势重点验证FAISS本地实验、离线索引、单机服务算法丰富、嵌入应用灵活持久化、元数据过滤、多实例同步需自行设计Chroma原型和中小型 AI 应用上手快、文档/元数据抽象友好目标部署模式、并发、备份和升级Milvus大规模、专用向量平台分布式扩展、索引与检索能力完整运维复杂度、资源成本、过滤性能pgvector已使用 PostgreSQL、关系与向量联合查询事务、SQL、权限体系可复用数据规模、索引参数、写入与查询竞争“百万向量一定选某产品”不是事实。向量维度、过滤选择性、索引类型、硬件和召回目标都会改变结果。4. 用统一接口隔离基础设施fromdataclassesimportdataclassfromtypingimportProtocoldataclass(frozenTrue)classVectorRecord:record_id:strtenant_id:strdocument_id:strvector:tuple[float,...]text:strclassVectorStore(Protocol):defupsert(self,records:list[VectorRecord])-None:写入或更新向量记录。defsearch(self,query_vector:tuple[float,...],tenant_id:str,allowed_documents:frozenset[str],top_k:int,)-list[VectorRecord]:权限过滤必须是接口契约的一部分。defdelete_document(self,tenant_id:str,document_id:str)-int:删除文档的全部派生向量。业务层依赖该接口而不是散落某个 SDK 的调用。换库并不自动容易但至少边界明确、测试可复用。5. 一个内存实现验证契约frommathimportsqrtdefcosine(left:tuple[float,...],right:tuple[float,...])-float:iflen(left)!len(right)ornotleft:raiseValueError(向量维度不一致)denominatorsqrt(sum(x*xforxinleft))*sqrt(sum(x*xforxinright))return0.0ifdenominator0elsesum(x*yforx,yinzip(left,right))/denominatorclassInMemoryVectorStore:def__init__(self)-None:self._records:dict[str,VectorRecord]{}defupsert(self,records:list[VectorRecord])-None:forrecordinrecords:self._records[record.record_id]recorddefsearch(self,query_vector:tuple[float,...],tenant_id:str,allowed_documents:frozenset[str],top_k:int,)-list[VectorRecord]:candidates[recordforrecordinself._records.values()ifrecord.tenant_idtenant_idandrecord.document_idinallowed_documents]returnsorted(candidates,keylambdaitem:(-cosine(query_vector,item.vector),item.record_id),)[:top_k]defdelete_document(self,tenant_id:str,document_id:str)-int:targets[keyforkey,valueinself._records.items()ifvalue.tenant_idtenant_idandvalue.document_iddocument_id]forkeyintargets:delself._records[key]returnlen(targets)6. 可复验的权限与删除测试deftest_store_contract_filters_tenant_and_deletes()-None:storeInMemoryVectorStore()store.upsert([VectorRecord(a,tenant-a,doc-1,(1.0,0.0),A),VectorRecord(b,tenant-b,doc-2,(1.0,0.0),B),])resultstore.search((1.0,0.0),tenant_idtenant-a,allowed_documentsfrozenset({doc-1,doc-2}),top_k10,)assert[item.record_idforiteminresult][a]assertstore.delete_document(tenant-a,doc-1)1assertnotstore.search((1.0,0.0),tenant-a,frozenset({doc-1}),10)同一契约测试应对每个真实适配器运行。7. PoC 应该测什么fromdataclassesimportdataclassdataclass(frozenTrue)classBenchmarkResult:candidate:strdataset_version:strrecall_at_10:floatp95_ms:floatfiltered_p95_ms:floatwrite_per_second:floatrestore_verified:booldefmeets_gate(result:BenchmarkResult)-bool:门槛是示例必须按业务 SLA 修改。return(result.recall_at_100.90andresult.filtered_p95_ms200andresult.restore_verified)PoC 使用相同向量、相同过滤条件、相同硬件预算和预热规则。除了性能还要实际演练备份恢复、扩容、升级、删除和监控。8. 对抗性审查不用未过滤的公开 Benchmark 代替自己的查询检查权限过滤是在索引内执行还是查询后裁剪删除文档必须删除所有副本和缓存记录 Embedding 模型与维度索引近似搜索要报告召回损失评估总成本软件、硬件、人员和迁移避免业务代码绑定厂商特有字段。9. 总结小柒的建议是从最小运维成本开始本地实验可用 FAISS/Chroma已有 PostgreSQL 且规模合适时优先评估 pgvector确需独立分布式向量平台时再评估 Milvus。最终结论必须由同场 PoC 证据决定。
