Capítulo 3: Milvus, Qdrant y Otros

Milvus

Base de datos vectorial open source de alto rendimiento:

from pymilvus import connections, Collection, FieldSchema, DataType

# Connect
connections.connect(host="localhost", port="19530")

# Define schema
fields = [
    FieldSchema(name="id", dtype=DataType.INT64, is_primary=True),
    FieldSchema(name="embedding", dtype=DataType.FLOAT_VECTOR, dim=1536),
    FieldSchema(name="text", dtype=DataType.VARCHAR, max_length=65535)
]

# Create collection
collection = Collection(name="documents", schema=CollectionSchema(fields))

# Insert
collection.insert([[1], [embedding], ["text..."]])

# Create index
collection.create_index("embedding", {"index_type": "HNSW", "metric_type": "COSINE"})

# Search
collection.search(
    data=[query_embedding],
    anns_field="embedding",
    param={"metric_type": "COSINE", "params": {"ef": 64}},
    limit=5
)

Ideal para: Necesidades de gran escala y alto rendimiento

Qdrant

Base de datos vectorial moderna basada en Rust:

from qdrant_client import QdrantClient
from qdrant_client.models import Distance, VectorParams, PointStruct

# Connect
client = QdrantClient(host="localhost", port=6333)

# Create collection
client.create_collection(
    collection_name="documents",
    vectors_config=VectorParams(size=1536, distance=Distance.COSINE)
)

# Insert
client.upsert(
    collection_name="documents",
    points=[
        PointStruct(id=1, vector=embedding, payload={"source": "doc.pdf"})
    ]
)

# Search
results = client.search(
    collection_name="documents",
    query_vector=query_embedding,
    limit=5,
    query_filter={"must": [{"key": "source", "match": {"value": "doc.pdf"}}]}
)

Ideal para: Implementaciones en producción, excelente filtrado

PostgreSQL + pgvector

Utilice su PostgreSQL existente:

-- Enable extension
CREATE EXTENSION vector;

-- Create table
CREATE TABLE documents (
    id SERIAL PRIMARY KEY,
    content TEXT,
    embedding vector(1536),
    metadata JSONB
);

-- Create index
CREATE INDEX ON documents USING ivfflat (embedding vector_cosine_ops)
    WITH (lists = 100);

-- Search
SELECT id, content, 1 - (embedding <=> query_embedding) as similarity
FROM documents
ORDER BY embedding <=> query_embedding
LIMIT 5;

Ideal para: Equipos que ya utilizan PostgreSQL

FAISS (En Memoria)

Librería de búsqueda de similitud de Facebook:

import faiss
import numpy as np

# Create index
dimension = 1536
index = faiss.IndexFlatIP(dimension)  # Inner product

# Add vectors
vectors = np.array(embeddings).astype('float32')
faiss.normalize_L2(vectors)
index.add(vectors)

# Search
query = np.array([query_embedding]).astype('float32')
faiss.normalize_L2(query)
distances, indices = index.search(query, k=5)

Ideal para: Búsqueda en memoria de alta velocidad, investigación

Resumen Comparativo

Base de datos	Hosting	Rendimiento	Facilidad de uso	Listo para producción
Milvus	Autogestionado	Excelente	Media	Sí
Qdrant	Ambos	Excelente	Fácil	Sí
pgvector	Autogestionado	Bueno	Fácil	Sí
FAISS	En memoria	Excelente	Media	Limitado

Guía de Decisión

---

Próximos Pasos

¡Ponga a prueba sus conocimientos con el Cuestionario del Módulo 4!