ai
ai/vector-db/decision-tree.md
medium
ai-vector-db-decision
向量库选哪一款的决策树 — 原型/已有PG/零运维/自托管亿级/十亿级各走哪款 + 不要一上来上 Milvus 等规约条款。Use when 决定用哪个向量库 / 评审向量库选型是否过度 / 定迁移阈值时。
向量库决策树选型规约向量库迁移阈值chromaqdrantpgvectordecision tree
paths
*.java*.py*.md
向量库 · 选型决策树
本条只管「按场景选哪一款 + 选型规约」。六款各维度细节见
comparison.md；选定后索引怎么建见index-and-filter.md。
决策树
按从上到下第一个命中的条件选库（命中即停）：
| 你的场景 | 选 | 理由 |
|---|---|---|
| 原型 / 本地 demo | Chroma | 内嵌零部署，十万级足够 |
| 已有 PostgreSQL 且 <5M、要与业务数据强一致/join | pgvector | 复用 PG，原生 SQL 过滤+事务 |
| 零运维 / Serverless | Pinecone | 全托管，无需自己运维 |
| 自托管 + 亿级 + 复杂标量过滤是核心 | Qdrant | 单二进制、payload 索引，性价比高 |
| 自托管 + 想 DB 直接 embed / 原生 BM25 hybrid | Weaviate | 内置向量化与 BM25 混合 |
| 生产十亿级 / GPU 索引 / 企业多租户 | Milvus | 量级最高，但运维最重 |
规约条款
| 条款 | 要求 |
|---|---|
| 不过度选型 | 原型用 Chroma/pgvector，不要一上来就上 Milvus（etcd/MinIO/MQ 运维重） |
| pgvector 上限 | 数据冲到数千万级，评估 pgvectorscale 或迁专用库（Qdrant/Milvus） |
| 迁移阈值 | 超 5000 万 行 或 云账单超 ~$500/月，触发迁专用库评估 |
| 按需选不按名气 | 选型依据是「贴合量级+运维能力+过滤需求」，不是「谁更强/谁更火」 |
反例
- ❌ 百万级原型直接上 Milvus → 三个中间件（etcd/MinIO/消息队列）拖垮迭代速度，违反「不过度选型」。
- ❌ 已有 PG、量级才几十万，却新引专用库 → 数据双写、一致性成本远高于 pgvector。
- ❌ 选 Pinecone 但没算账 → 量级一大账单失控，应先比对「迁移阈值」条款。
自检
- [ ] 是否按决策树「第一个命中即停」选定了唯一一款？
- [ ] 原型阶段是否避免了直接上 Milvus？
- [ ] 是否定义了迁移触发阈值（5000 万行 / ~$500 月）？
- [ ] 选型理由是「贴合场景」而非「名气/性能榜」？
相关
- 父：
./index.md - 兄弟：
comparison.md（六款各维度对比） - 兄弟：
index-and-filter.md（选定后索引与过滤怎么建）