جديدPublication of @aurabase/aurabase-js v0.7.5 NPM Packages & Rust Crate v0.1.2انظر سجل التغيير →

الذكاء الاصطناعي الأصلي · 9 دقيقة للقراءة

pgvector مقابل Pinecone, Weaviate, Qdrant في عام 2026

Affane Daylami · Fondateur · 9 أبريل 2026

العودة إلى بلوق

pgvector ليست قاعدة بيانات متجهة: إنها امتداد Postgres يضيف نوع عمود متجه وعوامل تشابه إلى قاعدة بيانات علائقية موجودة. Pinecone و Weaviate و Qdrant هي ثلاث قواعد مخصصة لأبحاث المتجهات، مع ثلاثة نماذج نشر مختلفة. لذا فإن السؤال الحقيقي ليس "أيهما أفضل"، ولكن "هل ينبغي أن تعيش ناقلاتك جنبًا إلى جنب مع بياناتك العلائقية، أو في نظام منفصل".

تمت ترجمة هذه الصفحة تلقائيًا. النسخة الإنجليزية موثوقة.

تقارن هذه المقالة الخيارات الأربعة بشأن ما يظل مستقرًا بمرور الوقت: نموذج النشر ومكان البيانات وإمكانيات البحث. نحن لا نعيد نشر معايير التسعير أو زمن الوصول لـ Pinecone أو Weaviate أو Qdrant. تتغير هذه الأرقام بسرعة كبيرة بحيث لا يمكن الاعتماد عليها دون التحقق من تاريخها، ولم يغطيها البحث الذي تم إجراؤه لهذه المقالة. للحصول على نظرة عامة على عمود الذكاء الاصطناعي الأصلي Aurabase (NL2SQL, RAG, الوكلاء)، راجع صفحة الذكاء الاصطناعي الأصلي.

الأساسيات
  • pgvector هو امتداد Postgres، وليس قاعدة منفصلة: تظل المتجهات مرتبطة ببياناتك العلائقية، مع تطبيق RLS مباشرة على أعمدة المتجهات.
  • Pinecone هي خدمة سحابية خاصة ومغلقة مع عدم وجود خيار استضافة ذاتية عامة. عمليات البنية التحتية صفر، مقابل القفل الكامل لتنسيق البيانات الخاص به.
  • Weaviate وQdrant هما قاعدتا بيانات متجهتان مخصصتان مفتوحتان المصدر، مستضافتان ذاتيًا أو متاحتان في سحابة مُدارة. Weaviate يسلط الضوء على أبحاث BM25 الهجينة + ناقلات الأمراض الأصلية؛ Qdrant يسلط الضوء على تصفية الحمولة وكمية الذاكرة.
  • يقوم Aurabase بتضمين pgvector 0.8.6 في صورة Postgres لكل مشروع ويستخدمها لوظيفة RAG الأصلية (الاستيعاب والتضمين وفهرس HNSW)، والتي تم التحقق منها بالكود اعتبارًا من 23 أغسطس 2026.
  • لا يوجد فائز عالمي: يعتمد الاختيار الصحيح على طوبولوجيا بياناتك، وليس على التصنيف المطلق للأداء.
#
نظرة عامة

أربعة بنيات، وليس ترتيب رباعي

pgvector و Pinecone و Weaviate و Qdrant جميعها تخدم نفس الوظيفة، حيث تبحث عن أقرب المتجهات للاستعلام، مع بنيات غير متوافقة فيما بينها. يقارن الجدول أدناه ما يظل صحيحًا بمرور الوقت: نموذج النشر وموقع البيانات وإمكانيات البحث. الأسعار وأرقام الإصدارات الدقيقة لـ Pinecone و Weaviate و Qdrant غائبة عمدًا: تحقق منها على المواقع الرسمية قبل اتخاذ أي قرار شراء.

المعيارpgvectorPineconeWeaviateQdrant
اكتبامتداد Postgres، وليس قاعدة منفصلةقاعدة بيانات المتجهات الخاصة، خدمة مغلقةقاعدة ناقلات مخصصة، مفتوحة المصدرقاعدة ناقلات مخصصة، مفتوحة المصدر
حيث تعيش البيانات الخاصة بكفي Postgres، مع بقية المخطط العلائقيخارج قاعدتك الرئيسية، في الفهرس Pineconeخارج قاعدتك الرئيسية، في مجموعة Weaviateخارج قاعدتك الرئيسية، في مجموعة Qdrant
النشرمضمن في مجموعة Postgres موجودةالسحابة المُدارة فقط، لا يوجد خيار استضافة ذاتية عامةالسحابة ذاتية الاستضافة أو المُدارة (Weaviate Cloud)السحابة ذاتية الاستضافة أو المُدارة (Qdrant Cloud)
كلمة رئيسية هجينة + بحث متجهنعم، عبر SQL القياسي: tsvector، والانضمامات والمرشحات العلائقية المدمجة مع المتجهاتالتصفية حسب البيانات الوصفية؛ لا يوجد اندماج BM25 أصلي موثقنعم، ناقل الاندماج + BM25 الأصلي، الميزة الرئيسية للمنتجتصفية غنية حسب الحمولة؛ لا يوجد اندماج BM25 أصلي بشكل افتراضي
عزل متعدد المستأجرينالمعيار Postgres RLS، على مستوى الصف، ينطبق مباشرة على أعمدة المتجهاتالعزل حسب الفهرس أو مساحة الاسم من جانب الخدمةالعزل عن طريق التجميع من ناحية الخدمةالعزل عن طريق التجميع من ناحية الخدمة
فهرس البحث غامضIVFFlat وHNSW، اختياركفهرس الملكية، تفاصيل التنفيذ لم تنشر بالتفصيلHNSWHNSW، مع تكميم عددي أو ثنائي اختياري
مقارنة الطوبولوجيا: pgvector مضمن في Postgres مقابل قاعدة متجهة مخصصة متزامنة من التطبيقPostgres + pgvectorالجداول العلائقيةالأعمدة المتجهة + فهرس HNSWنفس المعاملة، نفس سياسات RLSقاعدة ناقلات مخصصةتطبيقك/قاعدتك الرئيسيةPinecone / Weaviate / Qdrantالمزامنة للمحافظة على (ETL، الوظيفة، webhook)

رسم تخطيطي مفاهيمي للطوبولوجيا المحتملة. فهو لا يقوم بتشفير أي بيانات مشفرة، فقط بنية النشر.

العنصر الذي تم التحقق منه في كود Aurabase: إصدار pgvector المضمن في صورة Postgres لكل مشروع هو 0.8.6. يتم تسليمه بواسطة الصورة القياسية CNPG، ولم تتم إضافتها على وجه التحديد بواسطة Aurabase. تمت الإشارة إلى هذه الحقيقة في ملف Dockerfile الخاص بالمستودع، في 23 أغسطس 2026. ويؤكد مستودع pgvector الرسمي أيضًا الحد الأقصى للبعد وهو 16000 لكل متجه. وهذا أعلى بكثير من فئات الأبعاد الثلاثة (768، 1536، 3072) التي يستخدمها خط أنابيب RAG الأصلي لـ Aurabase. خط الأنابيب هذا عبارة عن إضافة تطبيق خاص بـ Aurabase، مبني على pgvector.

#
pgvector

بحث المتجهات دون مغادرة Postgres

يضيف pgvector نوع العمود vector(n) وعوامل المسافة (<=> جيب التمام، <-> الإقليدية، <#> المنتج النقطي) إلى قاعدة Postgres عادية. تشترك المتجهات الخاصة بك في نفس الجدول ونفس المعاملة ونفس القيود مثل بقية مخططك: لا يوجد شيء يمكن مزامنته مع نظام خارجي.

للبحث الغامض، يقدم pgvector نوعين من الفهارس للاختيار من بينها. يقوم IVFFlat بتقسيم مساحة المتجه إلى قوائم عن طريق التجميع والبحث فقط في القوائم الأقرب إلى الاستعلام. بنيتها أخف، ولكن يجب عليك اختيار عدد من القوائم التي تتكيف مع حجم البيانات. HNSW ينشئ رسمًا بيانيًا مجاورًا متعدد المستويات، بدون خطوة تدريب مسبقة، على حساب إنشاء أكثر استهلاكًا للذاكرة. للحصول على تفاصيل حول معلمات الضبط (m, ef_construction)، راجع دليل المخصص لمؤشر HNSW.

مثال SQL عام pgvector (باستثناء رمز Aurabase الداخلي)sql
-- عمود الامتداد والمتجه (البُعد 1536، على سبيل المثال، تضمين النص-3-صغير)
CREATE EXTENSION IF NOT EXISTS vector;
ALTER TABLE documents ADD COLUMN embedding vector(1536);

-- HNSW فهرس للبحث الغامض
CREATE INDEX ON documents USING hnsw (embedding vector_cosine_ops);

-- تم ربط بحث المتجهات بجدول علائقي، تمت تصفيته بواسطة RLS
SELECT d.id, d.content
FROM documents d
JOIN projects p ON p.id = d.project_id
WHERE p.owner_id = auth.uid()
ORDER BY d.embedding <=> $1
LIMIT 5;

السطر الأخير هو نقطة الهيكلة: تنطبق جملة WHERE p.owner_id = auth.uid() على البحث المتجه تمامًا كما تنطبق على أي استعلام آخر. لا توجد قاعدة بيانات متجهة مخصصة تعيد إنتاج هذا السلوك محليًا، نظرًا لأن سياسات RLS الخاصة بك موجودة في Postgres، وليس في خدمة تابعة لجهة خارجية. لإنشاء خط أنابيب RAG كامل بناءً على ذلك، راجع البرنامج التعليمي لخط أنابيب RAG مع pgvector.

#
Pinecone

الخدمة المدارة المغلقة، مع عدم وجود خيار الاستضافة الذاتية

Pinecone هي قاعدة متجهة يتم تقديمها حصريًا كخدمة سحابية خاصة. لا يوجد إصدار عام مستضاف ذاتيًا: فالناقلات الخاصة بك تعيش في البنية التحتية لـ Pinecone، وليس في البنية التحتية الخاصة بك. وهذا خيار معماري يفترضه الناشر، وليس قيدًا مؤقتًا.

التسوية مباشرة. لا توجد عمليات بنية أساسية متجهة للإدارة: لا توجد مجموعة ذات حجم محدد، ولا توجد فهارس لتشغيلها بنفسك. في المقابل، غالبًا ما تظهر تكاليف مخفية بعد وقوعها. أولاً، خط أنابيب المزامنة لإنشاء وصيانة بين قاعدة البيانات الرئيسية والفهرس Pinecone، مع منطق التناسق الخاص به في حالة الفشل الجزئي. بعد ذلك، تنسيق خاص وواجهة برمجة التطبيقات: الترحيل من Pinecone يعني إعادة تصدير المتجهات بالكامل وإعادة بناء التكامل في مكان آخر.

كن حذرا مع الأرقام التي لم يتم التحقق منها في هذه الجلسة

لا تذكر هذه المقالة أي أسعار أو حدود للحصص أو تفاصيل تنفيذ محددة لـ Pinecone. لم يتضمن البحث الذي تم إجراؤه لهذه الصفحة التحقق الجديد من هذه المعلومات، والتي تتغير بشكل متكرر. راجع وثائق Pinecone الرسمية قبل اتخاذ أي قرارات إنتاج.

#
Weaviate

قاعدة بيانات مخصصة مفتوحة المصدر مع بحث مختلط أصلي

Weaviate هي قاعدة بيانات متجهة مخصصة ومفتوحة المصدر وذاتية الاستضافة، وهي متاحة أيضًا كعرض سحابي مُدار (Weaviate Cloud) لأولئك الذين يفضلون عدم تشغيلها بأنفسهم. الميزة الأكثر تسليط الضوء عليها من قبل الناشر هي البحث المختلط الأصلي. فهو يدمج، في تصنيف واحد للنتائج، درجة تشابه المتجهات ودرجة مطابقة الكلمات الرئيسية من النوع BM25.

بشكل ملموس، يتجنب هذا كتابة منطق الاندماج بين البحث الدلالي والبحث عن الكلمات الرئيسية بنفسك، وهي خطوة تتركها الأساليب الأخرى للتطبيق. يقدم Weaviate أيضًا نظامًا من الوحدات لتوصيل موفري التضمين الخارجيين مباشرةً في وقت العرض. يظل الحل الوسط كما هو الحال بالنسبة لأي قاعدة بيانات مخصصة: نظام إضافي للتشغيل أو الدفع مقابله، للحفاظ على التزامن مع مصدر بياناتك الرئيسي.

#
Qdrant

قاعدة البيانات المخصصة المكتوبة باللغة Rust والتصفية وبصمة الذاكرة

Qdrant هي قاعدة بيانات متجهة مخصصة ومفتوحة المصدر ومكتوبة بلغة Rust، وهي متاحة أيضًا في الاستضافة الذاتية أو في سحابة مُدارة (Qdrant Cloud). مثل جوهر Aurabase، Qdrant مكتوب باللغة Rust: اختيار لغة مشترك، وليس حجة التفوق في حد ذاته.

تظهر نقطتان غالبًا في التعليقات على Qdrant. أولاً، نظام تصفية الحمولة النافعة: فهو يسمح لك بدمج عوامل التصفية المنظمة (الفئة والتاريخ والحالة) والبحث المتجه في نفس الاستعلام. بعد ذلك، خيارات التكميم (العددية أو الثنائية)، تهدف إلى تقليل أثر الذاكرة لفهرس واسع النطاق. نفس الحل الوسط مثل Weaviate: نظام منفصل عن قاعدة البيانات الرئيسية، مع منطق المزامنة الخاص به الذي يجب الحفاظ عليه.

#
القرار

متى تختار pgvector أو Pinecone أو Weaviate أو Qdrant

اختر pgvector إذا...

  • يجب أن تظل نواقلك مرتبطة ببياناتك العلائقية (المستخدمين، الأذونات، المنتجات)
  • يجب أن تنطبق سياسات RLS الخاصة بك أيضًا على نتائج بحث المتجهات
  • لا تريد إضافة نظام للمزامنة أعلى Postgres

اختر Pinecone إذا...

  • تريد عمليات بنية تحتية صفرية للمتجهات
  • لا يمثل تأمين تنسيق مغلق خاصًا مشكلة لفريقك
  • أنت توافق على إنشاء قناة مزامنة لخدمة خارجية

اختر Weaviate إذا...

  • تريد كلمة رئيسية مختلطة + بحث متجه أصلي، دون إعادة بنائها بنفسك
  • حالة الاستخدام الخاصة بك هي محرك بحث مستقل، وليست وظيفة تمت إضافتها إلى تطبيق موجود
  • أنت جاهز للعمل أو الدفع مقابل خدمة مخصصة بالإضافة إلى قاعدتك الرئيسية

اختر Qdrant إذا...

  • تعد التصفية الغنية حسب الحمولة معيارًا محددًا على نطاقك
  • يعد تكميم الذاكرة مؤشرًا متجهًا كبيرًا جدًا
  • تريد محركًا مفتوح المصدر حيث يمكنك التحكم في الكود
#
خيارنا

ما يظهره الكود: أصلي pgvector، بدون ملحق منفصل

Aurabase لا يضيف pgvector: الامتداد موجود بالفعل في الصورة القياسية Postgres المقدمة من CloudNativePG، الأساس المستخدم لمجموعات المستأجرين. ما يبنيه Aurabase في الأعلى هو وظيفة التطبيق: مسار استيعاب مع إدارة أخطاء الشبكة، ووحدة التضمين، والبحث المتجه بواسطة فهرس HNSW. تم عرض هذه الإمكانية أصلاً في خدمة aura-ai، وتم التحقق منها في رمز المستودع في 23 أغسطس 2026.

يدعم خط أنابيب Aurabase RAG ثلاث فئات من أبعاد التضمين (768، 1536، 3072)، المقابلة لأحجام المخرجات الأكثر شيوعًا لنماذج التضمين الحالية. يظل كل متجه عمودًا في جدول Postgres عادي، في مخطط المشروع، ضمن نفس سياسات RLS مثل بقية بيانات هذا المشروع. وهذا هو نفس المنطق الموجود في مثال SQL في القسم 02، والذي يتم تطبيقه على خط الأنابيب بالكامل بدلاً من استعلام معزول.

انتبه

لا يتم نشر أي معايير زمن استجابة تقارن pgvector بـ Pinecone أو Weaviate أو Qdrant على تحميل Aurabase حقيقي في هذا المستودع اعتبارًا من اليوم. راجع صفحة المعايير للتعرف على المنهجية المستخدمة في هذه الركيزة، ودليل RAG pgvector للحصول على الوثائق الفنية الكاملة.

#
الأسئلة المتداولة

ما نسأل عنه في أغلب الأحيان

هل يمكن لـ pgvector أن تحل محل قاعدة متجهات مخصصة مثل Pinecone في الإنتاج؟+
ذلك يعتمد على حجم وطوبولوجيا البيانات، وليس قاعدة مطلقة. بالنسبة للبحث المتجه المدمج في تطبيق موجود (RAG في المستندات، البحث الدلالي في الكتالوج)، يتجنب pgvector مزامنة نظام ثانٍ. على نطاق واسع جدًا، لاستخدام المتجهات فقط دون الحاجة إلى روابط علائقية، يمكن أن تكون قاعدة البيانات المخصصة ذات أهمية حقيقية. انظر شبكة القرار في القسم 06.
ما الفرق بين فهارس IVFFlat و HNSW في pgvector؟+
يقسم IVFFlat مساحة المتجه إلى قوائم عن طريق التجميع ويبحث فقط في القوائم الأقرب: بنية أخف، ولكن يجب معايرتها بعدد من القوائم وفقًا للحجم. يقوم HNSW بإنشاء رسم بياني مجاور متعدد المستويات، بدون خطوة تدريب مسبقة، على حساب إنشاء أكثر استهلاكًا للذاكرة. للحصول على تفاصيل حول معلمات الضبط، راجع دليلنا المخصص لمؤشر HNSW.
هل Weaviate و Qdrant مفتوحة المصدر، على عكس Pinecone؟+
نعم لكليهما. يقوم Weaviate وQdrant بتوزيع إصدار مفتوح المصدر مستضاف ذاتيًا، مكمل بعرض سحابي مُدار (Weaviate Cloud، Qdrant Cloud). Pinecone، على العكس من ذلك، لا تقدم أي خيارات استضافة ذاتية عامة: إنها خدمة يمكن الوصول إليها فقط من خلال السحابة الخاصة بها.
هل هناك حاجة إلى قاعدة متجهات منفصلة إذا كان التطبيق يستخدم بالفعل Postgres؟+
ليس تلقائيا. المعيار الحقيقي ليس ما إذا كان Postgres يمكنه القيام بالتوجيه (يمكنه ذلك عبر pgvector). هذا هو ما إذا كان يجب أن تظل نتائج بحث المتجهات الخاصة بك تمت تصفيتها بواسطة سياسات RLS الخاصة بك ومرفقة ببياناتك العلائقية. راجع دليلنا حول العزل متعدد المستأجرين بواسطة RLS للحصول على تفاصيل هذه الآلية على Aurabase.
#
باختصار

لا يوجد فائز عالمي بين هذه البنى الأربعة

pgvector و Pinecone و Weaviate و Qdrant لا تغطي نفس الحاجة. pgvector يزيل المزامنة عن طريق الاحتفاظ بالمتجهات في Postgres، على حساب محرك أقل تخصصًا من المنتج المخصص. Pinecone يسحب جميع عمليات البنية التحتية، مقابل تأمين الملكية بالكامل. يضيف Weaviate بحثًا مختلطًا أصليًا خارج الصندوق. Qdrant يؤكد على التصفية الغنية وبصمة الذاكرة واسعة النطاق. يظل المعيار الحاسم كما هو في جميع الحالات الأربع: المكان الذي يجب أن توجد فيه بياناتك، ومن يجب أن يكون قادرًا على تصفيتها.

لإنشاء خط أنابيب RAG كامل على هذا الأساس، يقدم البرنامج التعليمي خط أنابيب RAG مع pgvector تفاصيل الاستيعاب والتضمين والبحث المتجه خطوة بخطوة. للحصول على نظرة عامة حول عمود الذكاء الاصطناعي الأصلي لـ Aurabase، راجع صفحة الذكاء الاصطناعي الأصلي.

هل أنت جاهز للنشر؟

الواجهة الخلفية الخاصة بك في خمس دقائق.

لا حاجة لبطاقة ائتمان · 500 ميجابايت مجانًا · 50000 MAU