---
title: "Vector-Store"
type: concept
tags: [RAG, 向量数据库, 嵌入向量]
sources: [rag从入门到精通系列1-基础rag]
last_updated: 2025-01-16
---

## Definition

Vector Store（向量数据库）是专门用于存储和检索高维向量（Embedding Vector）的数据库系统，是 RAG 管道中 Retrieval 阶段的核心基础设施。

## Core Functions

1. **向量存储**：存储文本的 Embedding Vector 表示
2. **相似度检索**：支持多种相似度度量方法（余弦相似度、点积、欧氏距离），返回 Top-k 最相似的结果
3. **元数据过滤**：支持在检索时附加标量过滤条件（如时间、类别等）
4. **混合检索**：部分向量数据库支持结合传统关键词检索（BM25）与向量检索

## Popular Vector Stores

| 名称 | 特点 | 语言 |
|------|------|------|
| Qdrant | 开源，高性能，支持过滤，Rust 编写 | Rust |
| Chroma | 轻量级，适合本地和小规模场景 | Python |
| Milvus | 开源，分布式，成熟生产级 | Go |
| Weaviate | 原生支持混合检索，GraphQL 接口 | Go |
| Pinecone | 云原生，全托管，无需运维 | 云服务 |
| pgvector | PostgreSQL 扩展，简化技术栈 | PostgreSQL |

## Indexing in Vector Store

向量数据库通常使用近似最近邻（ANN）算法构建索引，以支持在海量向量中快速检索：

- **HNSW（Hierarchical Navigable Small World）**：图索引，高检索精度，中等内存占用
- **IVF（Inverted File Index）**：倒排索引，支持聚类加速
- **PQ（Product Quantization）**：压缩索引，节省内存

## Connections

- [[Vector-Store]] ← supports ← [[Retrieval]]
- [[Vector-Store]] ← receives_data_from ← [[Indexing]]
- [[Vector-Store]] ← uses ← [[Embedding]]

## Aliases

- Vector Database
- Vector Search Engine
- Embedding Store
- 向量数据库