Qdrant 向量数据库教程

Qdrant 教程向量数据库从入门到实战

适合新手：概念、部署、检索、Python 与 Java SDK、RAG 场景

入门与模型

Qdrant 是什么、向量与 Embedding、Collection、Point、Payload、距离度量

部署与操作

Docker、控制台、集合生命周期、写入检索、过滤与批量

Python & Java

qdrant-client 与 io.qdrant client，双语言对照示例

进阶与实战

量化、分片副本、快照、简易 RAG 与多租户设计

学习路径（推荐顺序）

第一篇 — 先建立「为什么需要向量库」的直觉，再记清 Collection / Point / Vector / Payload。
第二篇 — 用 Docker 起一套本地 Qdrant，打开 Dashboard 看一眼集合与点。
第三～五篇 — 数据模型与 REST 语义 对齐后，再学检索与过滤。
第六、七篇 — 按你主语言选 Python 或 Java 跟练；另一篇当对照。
第八、九篇与附录 — 上线前看进阶；做项目时对照 RAG 与 速查表。

约定

Python：qdrant-client，示例以 1.7+ 为主；向量维度与模型输出一致即可。
Java：io.qdrant:client，默认走 gRPC（6334）；REST 为 6333。
文中端口、路径与官方文档一致；生产环境请改密钥与网络策略。

官方资源

文档：https://qdrant.tech/documentation/
Python：https://github.com/qdrant/qdrant-client
Java：https://github.com/qdrant/java-client