一句话总结：pgvector 适合已有 PostgreSQL 的团队（零额外运维）；Qdrant 适合中等规模、需 Hybrid Search 的场景；Milvus 适合亿级向量、高并发生产环境。
三者对比
| 维度 | pgvector | Qdrant | Milvus |
|---|---|---|---|
| 类型 | PG 扩展 | 独立向量库 | 分布式向量库 |
| 最大规模 | 千万级 | 亿级 | 十亿级 |
| Hybrid Search | pg_bm25 插件 | 原生支持 | 2.4+ 支持 |
| 运维复杂度 | ⭐ 最低 | ⭐⭐ 低 | ⭐⭐⭐ 中 |
| 权限隔离 | PG RBAC | Payload Filter | Partition + RBAC |
| 开源协议 | PostgreSQL | Apache 2.0 | Apache 2.0 |
选型决策
已有 PostgreSQL 且向量 < 500 万？
└─ 是 → pgvector（零额外组件）
需要 Hybrid Search 且向量 < 1 亿？
└─ 是 → Qdrant（部署简单、功能全）
向量 > 1 亿 或 QPS > 1000？
└─ 是 → Milvus（分布式、高性能）
政务/金融信创环境？
└─ Milvus 信创版 或 pgvector + 国产 PG（人大金仓/达梦）性能参考（100 万向量，768 维）
| 操作 | pgvector | Qdrant | Milvus |
|---|---|---|---|
| 单次检索 P99 | 45ms | 12ms | 8ms |
| 批量插入 10 万/s | 2,000 | 15,000 | 50,000 |
| 内存占用 | 共享 PG | 独立 | 独立（可调） |
泽衍科技项目选型分布
- pgvector：40%（中小型企业，已有 PG 基础设施）
- Qdrant：35%（中型知识库，500 万~5000 万向量）
- Milvus：25%（大型项目，高并发或多租户）
常见问题
pgvector 性能够用吗？ 500 万向量以内、QPS < 100 完全够用。超过后建议迁移到 Qdrant/Milvus，迁移成本可控（导出 embedding 重新导入）。
向量数据库需要 GPU 吗？ 不需要。向量检索是 CPU 内存操作。GPU 仅用于 Embedding 生成和 LLM 推理。
如何做向量数据库备份？ pgvector 随 PG 备份；Qdrant/Milvus 支持快照（Snapshot）+ 增量备份，建议每日自动备份。