Collection (qdrant)
検索対象のデータをベクトル化して、それらをまとめたもの
RDBで言うtableのようなものmrsekut.icon
同一collection内のvectorは全て同じsizeである必要がある
名前付きベクトルを使用すると、
単一のポイントに複数のベクトルを持つことができ、
各ベクトルには独自の次元とメトリック要件を設定できます。
Collectionを作成する例
code:_
PUT collections/star_charts
{
"vectors": {
"size": 4,
"distance": "Dot" // Distance Metrics
}
}
GPT-4.icon
🔷 コレクション（Collections）とは？
コレクションは、ベクトルデータの集合体です。検索対象のデータ（画像、テキスト、音声など）をベクトル化（embedding）して、それらをまとめたものがコレクションになります。
同一コレクション内のベクトルは すべて同じ次元数（size） である必要があります。
ベクトル同士の類似度を測るための 距離関数（distance metric） もコレクションごとに1つ決めます。
---
🧮 対応している距離関数（距離の計算方法）
Qdrant は以下の類似度（距離関数）をサポートしています：
table:table
距離関数 意味
---------------- ------
Dot 内積（正規化されていない場合）
Cosine コサイン類似度（正規化して内積として計算）
Euclid ユークリッド距離（L2距離）
Manhattan マンハッタン距離（L1距離）
---
単一コレクション + フィルター（推奨）
複数のユーザー（テナント）を1つのコレクションに入れ、payload にユーザー情報を付けてフィルターする。
パフォーマンスが良く、リソース効率的。
複数コレクション（Isolation が必要な場合）
少数の明確に分けたいユースケースがある場合（例：ユーザー数が少なくて明確に分離したいとき）
コストが高くなりやすい（メモリ・管理）
---
🛠 コレクション作成例
code:json
PUT /collections/my_collection
{
"vectors": {
"size": 300,
"distance": "Cosine"
}
}
追加設定（任意）には以下のようなものがあります：
hnsw_config: 高速近似検索の設定
wal_config: 書き込みログの設定
on_disk_payload: payloadをディスクに保存（RAM節約）
quantization_config: 精度を落として省メモリ・高速化
🧠 複数ベクトル対応（Multi-vector）
code:json
"vectors": {
"image": {
"size": 4,
"distance": "Dot"
},
"text": {
"size": 8,
"distance": "Cosine"
}
}
---
🧊 ベクトルをディスク保存（on_disk）
RAMに載せる代わりに、ディスクにベクトルを保存可能
メモリが限られる環境や大規模データに便利
on_disk: true を指定
🧬 Sparse Vectors（疎ベクトル）
特にテキストデータに有用
非常に高次元かつ大半が0のベクトルを扱える
sparse_vectors フィールドで指定、距離は Dot 固定
code:json
"sparse_vectors": {
"text": {}
}
---
🔄 コレクションの更新・パラメータ変更
PATCH メソッドで インデックスや量子化設定の動的更新が可能
例：ベクトルを後からディスクに移す、インデックスの再構築など
---
🪪 エイリアス（Aliases）
コレクションに別名を付けることができる
旧コレクション → 新コレクションへのスムーズな切り替えが可能
code:json
{
"actions": [
{
"create_alias": {
"collection_name": "new_collection",
"alias_name": "production_collection"
}
}
]
}
---
🔍 補足：ステータスと最適化
🟢 green：最適化完了、使用可能
🟡 yellow：最適化中
⚫ grey：最適化保留中（操作で再開）
🔴 red：致命的エラー
---
📊 ポイント数・ベクトル数
points_count: 登録されたレコード数
vectors_count: ベクトルの数（multi-vectorの時に増える）
indexed_vectors_count: インデックスに実際載ってる数
※ これらはあくまで近似値。整合性を取るには count API を使用。