RAG之大模型常用向量数据库对比

目录	主题
第一章	常用的向量库及其对比、向量库底层算法原理
第二章	向量构建策略（embedding选型、文本分块）+ 检索召回策略

一. chroma、faiss、milvus对比

Faiss库是一个高效、灵活的向量数据库库，由Facebook于2017年发布并持续维护至今。它提供高效的相似度搜索和稠密向量聚类能力，支持多种索引构建方法和查询策略优化。Faiss易于与深度学习框架集成（如PyTorch），使得用户可以轻松将向量检索功能嵌入到深度学习应用中。它在Facebook内部广泛应用，拥有丰富的社区支持和文档资源。通过Faiss，企业可以构建高效的语义搜索和推荐系统、广告技术平台等应用，实现数据的精准匹配和价值最大化。

关键词：高效性、灵活性、Facebook支持

功能特性：轻松将向量检索功能嵌入到深度学习，适合需要高效相似度搜索和丰富社区支持的大型应用

---

Milvus是一个专为处理超大规模向量数据而设计的云原生向量数据库。它采用分布式架构和存储方案，确保用户可以高效、可靠地管理和检索大规模数据。Milvus支持多种索引类型和查询优化策略，提供卓越的查询性能和扩展性。它特别适用于大规模内容检索、图像和视频搜索等场景，如智能安防系统、图像和视频搜索引擎等。通过Milvus，企业可以轻松应对不断增长的数据挑战，实现快速、准确的内容检索和分析。

随着数据和查询规模的增加，Milvus 还提供了集群分片的解决方案，支持读写分离、水平扩展、动态扩容等功能，实现了对于超大数据规模的支持。

关键词：大规模数据、云原生、高可用性

功能特性：大规模内容检索、图像和视频搜索，适合需要处理超大规模数据的云端应用

• 专为处理超大规模向量数据而设计
• 提供云原生的分布式架构和存储方案
• 支持多种索引类型和查询优化策略
• 适用于大规模内容检索、图像和视频搜索等场景

---

Chroma是一个轻量级、易用的向量数据库，专注于提供高效的近似最近邻搜索（ANN）。它支持多种向量数据类型和索引方法，使得用户可以轻松集成到现有的应用程序中。Chroma特别适用于小型到中型数据集，是初学者和小型项目的理想选择。通过Chroma，用户可以快速构建语义搜索原型、研究或教学项目，并实现准确的数据匹配和检索。

关键词： 轻量级、易用性、开源

功能特性：快速搭建小型语义搜索，适合初学者和小型项目

• 提供高效的近似最近邻搜索（ANN）
• 支持多种向量数据类型和索引方法
• 易于集成到现有的应用程序中
• 适用于小型到中型数据集

Chroma与Milvus的更详细的对比参阅文档：https://zilliz.com/blog/milvus-vs-chroma