Baze de Date Vectoriale & Căutare Semantică: Qdrant, Chroma, pgvector și căutare semantică

Bazele de date vectoriale (Vector Databases) reprezintă infrastructura de stocare fundamentală pentru inteligența artificială generativă, căutarea semantică și arhitecturile RAG (Retrieval-Augmented Generation). Spre deosebire de bazele de date relaționale care caută potriviri exacte de text sau cifre, bazele vectoriale indexează reprezentări matematice dense (embeddings) și găsesc în câteva milisecunde cele mai similare idei dintr-un spațiu cu mii de dimensiuni.

Fie că folosești motoare dedicate open-source precum Qdrant sau ChromaDB, servicii cloud serverless precum Pinecone, sau extensia pgvector din PostgreSQL, stăpânirea indecșilor HNSW, a filtrelor de payload și a căutării hibride este esențială pentru orice dezvoltator AI.

Cum este organizat acest ghid

Am structurat cele 15 concepte, comenzi și tehnologii esențiale în 4 categorii practice:

• Fundamente & Algoritmi de Indexare: Concepte & Metrici de Distanță (Cosine, L2, Dot), Algoritmi HNSW & IVFFlat și Cuantizare Vectorială (Scalar & Product Quantization).
• Qdrant & ChromaDB (Motoare Specializate): Qdrant: Inițializare & Colecții, Qdrant: Upsert cu Payload, Qdrant: Filtrare Semantică Avansată, ChromaDB: Colecții & Persistență și ChromaDB: Inserare & Interogare.
• PostgreSQL pgvector (SQL & Vectori Hibrizi): pgvector: Extensie & Tipul vector(dim), pgvector: Operatori de Similitudine (, , ) și pgvector: Index HNSW & Optimizare SQL.
• Arhitecturi de Producție, Pinecone & Căutare Hibridă: Pinecone: Gestiune Indecși & Namespaces, Căutare Hibridă (Sparse + Dense & RRF), Arhitecturi Multitenancy Izolate și Backup, Snapshot & Migrare Date.

Apasă pe oricare concept de mai jos pentru sintaxă exactă în Python și SQL, explicații arhitecturale și exemple gata de rulat.

# 1. Pornire Qdrant cu Docker pe macOS (recomandat):
docker run -d -p 6333:6333 -p 6334:6334 -v ~/qdrant_storage:/qdrant/storage:z qdrant/qdrant

# 2. Sau instalare biblioteci Python locale cu uv / pip:
brew install uv
uv pip install qdrant-client chromadb psycopg[binary]

# 3. PostgreSQL cu pgvector pe macOS via Homebrew:
brew install pgvector

# 1. Pornire Qdrant în Docker Desktop (PowerShell):
docker run -d -p 6333:6333 -p 6334:6334 -v ${HOME}/qdrant_storage:/qdrant/storage:z qdrant/qdrant

# 2. Instalare ChromaDB și clienți Python:
pip install qdrant-client chromadb

# 3. Deschide panoul web Qdrant Dashboard în browser:
# http://localhost:6333/dashboard

# 1. Pornire container Qdrant pe server Linux:
docker run -d --name qdrant -p 6333:6333 -p 6334:6334 \
  -v /var/lib/qdrant:/qdrant/storage:z --restart always qdrant/qdrant

# 2. Instalare extensie pgvector pe PostgreSQL 16 (Ubuntu/Debian):
sudo apt install -y postgresql-16-pgvector
sudo -u postgres psql -c "CREATE EXTENSION vector;"

# Pentru Qdrant Cloud (cloud.qdrant.io) sau Pinecone (pinecone.io):
export QDRANT_URL="https://xyz.qdrant.io:6333"
export QDRANT_API_KEY="th_..."
export PINECONE_API_KEY="pcsk_..."