qdrant/vector-db-benchmark

解决的问题

提供一个标准化的框架，用于测量和比较不同向量搜索引擎的性能。由于不同引擎提供不同的功能和效率，该工具允许用户在相同的硬件约束下评估它们，以确定哪种引擎最符合其特定需求。

工作原理

该项目采用服务器-客户端架构，服务器（向量数据库）在 Docker 容器中运行，Python 客户端执行测试。流程包括：

1. 服务器设置：通过 Docker Compose 启动引擎。
2. 客户端执行：使用 Python 脚本对指定的引擎和数据集运行基准测试。
3. 配置：使用专用配置文件定义连接、集合创建、数据上传和搜索参数。
4. 可扩展性：通过实现配置、数据上传和搜索的基类，可以轻松添加新引擎。

适用人群

需要在选择生产环境中的向量数据库之前，客观比较其性能、吞吐量和效率的开发人员和工程师。

主要亮点

• 标准化测试：在相同的硬件条件下对不同引擎进行基准测试。
• 基于 Docker 部署：使用 Docker Compose 简化服务器设置。
• 灵活配置：支持自定义集合创建、索引和搜索参数。
• 可扩展架构：提供基类，可轻松实现并注册新的向量搜索引擎。