Qdrant 是一个向量数据库，单文件二进制就能跑，对外给 HTTP 与 gRPC 两套接口。它常被拿来存 embedding、做语义检索，也能给 AI 应用当记忆层。这篇在 Windows 上起服务、建集合，写两百个点、测检索延迟，并用官方控制台把结果核对了一遍。

一个 82.5 MB 的 exe，启动 0.66 秒

二进制        qdrant.exe，86,529,536 字节（82.5 MB）
版本          1.19.2（commit 016542aa5deb6c66380bb137badf73d54f742bde）
HTTP 端口     6333
gRPC 端口     6334
首次启动      1.11 秒
二次启动      0.66 秒

没有依赖，不用装 Python 或 JVM，回车就有服务。启动完成后访问根路径会返回服务名和版本号，日志里还会打印控制台地址与一行 Agentic Skills 链接。数据目录用环境变量指定：QDRANT__STORAGE__STORAGE_PATH，端口同理，双下划线就是配置层级。

官方控制台在 Windows 包里没带

默认访问 /dashboard          404
需要两个环境变量
  QDRANT__SERVICE__ENABLE_STATIC_CONTENT=true
  QDRANT__SERVICE__STATIC_CONTENT_DIR=解压后的 dist 目录
静态资源来源                qdrant-web-ui v0.2.19 的 dist-qdrant.zip，7,194,275 字节

Docker 镜像里控制台是打进去的，Windows 单文件版本不带。要把界面补上，去官方前端仓库下一个 dist-qdrant.zip 解开，再让服务把静态目录指过去。设好之后 /dashboard/ 返回 1,790 字节的入口页，界面和 API 同源，不存在跨域问题。

建集合 2203 毫秒，写 200 个点 168 毫秒

PUT /collections/shiceku_docs      2203.2 毫秒（首次建集合，含存储初始化）
向量配置                           size=64，distance=Cosine
PUT /collections/.../points?wait=true   168 毫秒，写入 200 个点
返回状态                           completed

第一次建集合慢在初始化存储上，后面的操作都在毫秒级。写入用 wait=true 会等索引落地再返回，所以这 168 毫秒是可确认写成的耗时，不是丢进队列就返回。每个点带了 payload：标题和标签，中文直接存，不用转码。

检索中位 1.4 毫秒，首条得分 0.8564

指标实测值
检索五次耗时2.1 / 1.4 / 1.3 / 1.4 / 1.4 毫秒
中位数1.4 毫秒
top-5 首条得分0.8564（Cosine）
返回条数limit=5，with_payload=true

这 1.4 毫秒是 HTTP 往返加检索的总时间。查询向量是 64 个浮点数拼成的数组，直接放在 vector 字段里，没走批量接口。两百个点、64 维的量太小，说明不了大规模性能，但能说明接口本身几乎不占时间。真到百万级，瓶颈会落在索引构建与内存上，查询接口这一层不会成为主要开销。

Info 页显示索引是空的，原因在阈值

status                green
optimizer_status      ok
points_count          200
segments_count        6
indexed_vectors_count 0
hnsw_config           m=16，ef_construct=100，full_scan_threshold=10000
optimizer_config      indexing_threshold=10000

控制台的 Info 页把整份配置连注释一起摊开，这点比看文档快。注意到 indexed_vectors_count 显示 0，数据其实都在：两百个点低于 10000 的建索引阈值，查询走全量扫描。等点数过万才会自动建 HNSW 索引，届时同样的查询会明显变快。

数据落盘 102 个文件，482 MB

storage 目录    102 个文件
占用            482,551,037 字节（约 460 MB）
集合状态        GREEN，200 个点，6 个段，1 个分片，1 个副本

两百条 64 维向量本身只有几百 KB，磁盘占用却到 460 MB，多出来的是段文件与预分配空间。评估容量时按「点数乘以向量维度乘以四字节」算出来的数字会严重偏低，实际还要加上索引与段开销。单看 200 条 64 维向量，原始数据不到 1 MB，占比不到千分之二。控制台的 Collections 页能看到段数，段越多通常说明写入越零散。

实测范围：Windows 10 22H2（10.0.19045.6466） / Qdrant 1.19.2 / qdrant-web-ui 0.2.19 / 2026-10-22。百万级数据 / 过滤检索 / 快照恢复、集群与鉴权都没有验证，不作结论。