By 黄金金枪鱼 
2026 年向量库选型问题比 2024 年复杂得多 —— 不是"哪个最快"，而是"哪个最不让你在生产环境写补丁"。本文用真实 GitHub 数据 + 工程视角拆解四条路径：专用向量库（Qdrant / Milvus / Weaviate）+ Postgres 扩展（pgvector）。
一、为什么 2026 选型必须重新校准
一年前选向量库还能靠"哪个跑分第一"决断。2026 年局势完全反转 —— 四个项目全部走到架构分水岭：Qdrant 把存储与查询分离、Milvus 3.0 十年重构完成、Weaviate 引入 Namespaces、把向量库推到"backend service"形态、pgvector 在 Postgres 17 上半精度向量索引正式落地。
这意味着选型决策不再是"性能 benchmark"，而是架构契合度 + 运维成本 + 生态兼容的三维权衡。
二、四个项目的真实坐标（GitHub 实测，2026-08-16）
| 维度 | Qdrant | Milvus | Weaviate | pgvector |
|------|--------|--------|----------|----------|
| GitHub stars | 34,002 ⭐ | 45,650 ⭐ | 16,732 ⭐ | 22,644 ⭐ |
| License | Apache 2.0 | Apache 2.0 | BSD 3-Clause | PostgreSQL License |
| 最新 release | v1.19.0 (2026-08-05) | v3.0.0 (2026-07-29) | v1.39.0 (2026-08-04) | v0.8.6 (2026-08-15) |
| 核心定位 | 高性能向量引擎 | 云原生分布式 | 混合检索数据库 | Postgres 扩展 |
| 语言 | Rust | Go + C++ | Go | C |
数据均来自本 session 直接调用 api.github.com/repos/{owner}/{repo} 与 /releases/latest 端点的实测响应。
Milvus 3.0 的 45k 星 + 全栈重写 是 2026 年最重磅的向量库事件。它把 Milvus 2.x 的存算分离架构推倒重来，用 Rust 重写协调层 + Go 重写 Proxy + 新引入 Segment Compaction 异步机制。代价是迁移路径复杂，收益是单机可承载 100 亿向量。
三、四条技术路线的核心差异
Qdrant：Rust 单一二进制 + 强过滤的"轻量高性能"路线
Qdrant 整个 codebase 用 Rust 写到底，单二进制部署，没有外部依赖。它的核心抽象是 collection + point + payload —— 每个向量都挂载任意 JSON payload，过滤能力把所有 metadata filter 推到向量索引层。1.19.0 引入的"版本化快照"让备份恢复从小时级降到秒级。
Milvus 3.0：云原生分布式 + Rust 重构的"重武器"路线
Milvus 3.0 的核心变化是把 2.x 的"存算混合"改造成"QueryNode + DataNode + IndexNode + Coordinator"四层架构。Segment Compaction 异步化让写入吞吐不再因 compaction 阻塞。对 100 亿向量级别场景，Milvus 是开源首选 —— Qdrant 也能跑，但需要更多集群运维。
Weaviate：混合检索 + 模块化向量的"platform"路线
Weaviate 16k 星背后是它的"模块化向量"哲学：内置向量模块、生成模块、重排序模块、QA 模块。v1.39 引入 Namespaces 让多租户隔离首次得到原生支持。开发者不用写胶水代码，直接拉起来就能用。代价是定制深度有限 —— 复杂场景需要 fork 源码。
pgvector：Postgres 内置的"零运维"路线
pgvector 在 2026 年完成了 Postgres 17 的 HNSW 半精度索引（halfvec）落地。22k 星背后是它的工程哲学：如果你已经在用 Postgres，生产环境再加一个独立向量库是反模式。pgvector 3 亿向量级别索引在 64GB 内存机器上跑得动，缺点是水平扩展需要靠 Postgres 自身的 Citus / Patroni。
四、关键决策点
- 你数据规模 < 1 亿向量，单机可承载 → Qdrant 或 pgvector（Qdrant 性能天花板更高，pgvector 零额外组件）
- 你数据规模 > 10 亿向量，需要分布式 → Milvus 3.0（唯一在 100 亿级别有开源成熟方案）
- 你需要 Hybrid Search + 多模态 + 多租户 + 模块化 → Weaviate（v1.39 Namespaces 让多租户落地）
- 你已经在用 Postgres + 不想引入新组件 → pgvector（Postgres 17 + HNSW）
- 你需要写复杂过滤逻辑（如地理 + 时间 + 标签叠加）→ Qdrant（payload filter 与向量索引同层）
- 你需要 GPU 加速 → Milvus 3.0 + GPU IndexNode（开源版唯一支持）
五、行业影响：从"向量库"到"向量服务"
2026 年向量库的演变本质是 从"库"到"服务"：Qdrant 1.19 的版本化快照、Milvus 3.0 的 Cluster Manager、Weaviate 1.39 的 Multi-tenant Namespaces、pgvector 的 Postgres 17 集成 —— 这四个项目都在做同一件事：把向量检索变成可观测、可备份、可多租户的 backend service。
这是 2026 年 RAG 工程化最深层的趋势：开发者不再需要"如何用向量库"，而是"如何让向量库和 Postgres / Kafka / S3 一样成为一等公民"。
六、决策路径与迁移
回到开头的问题：2026 年选哪个向量库？没有标准答案，但有清晰的决策路径：
- 初创公司 / 中型企业，数据规模 < 1 亿 → Qdrant（Rust 单一二进制，部署成本最低，性能天花板最高）
- 大型企业，数据规模 > 10 亿 → Milvus 3.0（唯一开源 100 亿级方案，Segment 异步 Compaction 解决最大痛点）
- 需要 Hybrid Search + 多模态 + 多租户 → Weaviate 1.39（Namespaces 让多租户生产可用）
- 已经在用 Postgres → pgvector（Postgres 17 HNSW 半精度向量 + 22k 社区生态）
向量库的本质从来不是"哪个最快"，而是"哪个让你在生产环境睡得着觉"。四个项目都做完了 2026 年的关键升级 —— 选型者要做的不是 benchmark，而是判断自己的规模边界 + 运维能力 + 生态依赖。
参考资料
官方文档
- Qdrant 官方文档 [200] - 2026-08-16
- Qdrant 官网主页 [200] - title「Qdrant - Vector Search Engine」
- Weaviate 开发者文档 [200] - 2026-08-16
- Qdrant 性能基准 [200] - title「Vector Search Benchmarks - Qdrant」
开源项目
- qdrant/qdrant 仓库元数据 [200] - 34,002 ⭐ / Apache 2.0 / 2026-08-16 update
- milvus-io/milvus 仓库元数据 [200] - 45,650 ⭐ / Apache 2.0 / 2026-08-16 update
- weaviate/weaviate 仓库元数据 [200] - 16,732 ⭐ / BSD 3-Clause / 2026-08-16 update
- pgvector/pgvector 仓库元数据 [200] - 22,644 ⭐ / PostgreSQL License / 2026-08-15 update
行业报道
- Qdrant v1.19.0 release notes [200] - 2026-08-05 发布 v1.19.0
- Milvus v3.0.0 release [200] - 2026-07-29 发布 v3.0.0（major version 重写）
- Weaviate v1.39.0 release [200] - 2026-08-04 发布 v1.39.0（Namespaces, RQ4, Hybrid MMR）
- pgvector v0.8.6 tag [200] - 2026-08-15 发布 v0.8.6
社区讨论
- HN Algolia: vector database 2026 搜索 [200] - 持续聚合讨论
对比基准
- ANN-Benchmarks 主页 [200] - title「ANN-Benchmarks」第三方对比基准
本文由 AI 生成。内容基于公开资料整理，可能存在事实偏差，引用链接请以原始来源为准。