由 deepset 维护

集成：Qdrant

将 Qdrant 向量数据库与 Haystack 一起使用

作者

deepset

Qdrant

GitHub 仓库 PyPI 包

由 deepset 集成的 Qdrant 向量数据库与 Haystack。

该库最终允许将 Qdrant 用作文档存储，并且可以就地替换任何其他向量嵌入存储。因此，您应该期望通过将提供程序更改为 QdrantDocumentStore 来使任何类型的应用程序顺利运行。

安装

qdrant-haystack 可以像其他 Python 库一样安装，使用 pip 或 poetry

pip install qdrant-haystack

poetry add qdrant-haystack

使用

安装后，您就可以开始像使用任何其他支持嵌入的存储一样使用 QdrantDocumentStore 了。

from haystack_integrations.document_stores.qdrant import QdrantDocumentStore

document_store = QdrantDocumentStore(
    url="localhost",
    index="Document",
    embedding_dim=512,
    recreate_index=False,
    hnsw_config={"m": 16, "ef_construct": 64}  # Optional
)

QdrantDocumentStore 接受的参数列表是对官方 Python Qdrant 客户端中使用的参数的补充。

使用本地内存/磁盘持久化模式

Qdrant Python 客户端（从 1.1.1 版开始）支持本地内存/磁盘持久化模式。对于您不打算存储大量向量的任何测试场景和快速实验来说，这是一个不错的选择。在这种情况下，可能甚至不需要启动 Docker 容器。

本地模式也已在 qdrant-haystack 集成中实现。

内存存储

如果您想要一个瞬时存储，例如在 CI/CD 管道中运行的自动化测试中，使用 Qdrant 本地模式的内存存储可能是一个首选选项。只需在创建 QdrantDocumentStore 实例时，将 :memory: 作为第一个参数传递即可启用。

from haystack_integrations.document_stores.qdrant import QdrantDocumentStore

document_store = QdrantDocumentStore(
    ":memory:",
    index="Document",
    embedding_dim=512,
    recreate_index=False,
    hnsw_config={"m": 16, "ef_construct": 64}  # Optional
)

磁盘存储

但是，如果您希望在应用程序的不同运行之间保留向量，最好使用磁盘存储并传递应该用于持久化数据的路径。

from haystack_integrations.document_stores.qdrant import QdrantDocumentStore

document_store = QdrantDocumentStore(
    path="/home/qdrant/storage_local",
    index="Document",
    embedding_dim=512,
    recreate_index=False,
    hnsw_config={"m": 16, "ef_construct": 64}  # Optional
)

连接到 Qdrant Cloud 集群

如果您不想管理自己的 Qdrant 实例，Qdrant Cloud 可能是更好的选择。

from haystack_integrations.document_stores.qdrant import QdrantDocumentStore
from haystack.utils import Secret

document_store = QdrantDocumentStore(
    url="https://YOUR-CLUSTER-URL.aws.cloud.qdrant.io",
    index="Document",
    api_key=Secret.from_env_var("QDRANT_API_KEY"),
    embedding_dim=512,
    recreate_index=False,
)

本地实例和云集群在功能上没有区别。