معرفی و آموزش نصب دیتابیس Qdrant

Qdrant چیست؟

Qdrant (تلفظ: کادْرَنت) یک دیتابیس برداری (Vector Database) قدرتمند و متن‌باز (Open Source) است که به زبان Rust نوشته شده.

به زبان ساده: توی دیتابیس‌های معمول مثل MySQL یا PostgreSQL، ما داده‌ها رو به صورت ردیف و ستون ذخیره می‌کنیم و بر اساس مقادیر اون‌ها جستجو می‌کنیم. اما Qdrant مخصوص ذخیره‌سازی بردارها (Vectors) ساخته شده — همون اعدادی که مدل‌های هوش مصنوعی (مثل ChatGPT یا مدل‌های embedding) تولید می‌کنند.

کاربردهای اصلی Qdrant

• جستجوی معنایی (Semantic Search): مثلاً بهش می‌گی «تغییرات اقلیمی» و مقالات مربوط به «گرمایش زمین» رو برات پیدا می‌کنه
• سیستم‌های توصیه‌گر (Recommendation Systems): مثل «محصولات مشابه» در فروشگاه‌های اینترنتی
• حافظه بلندمدت برای AI Agentها و RAG (Retrieval-Augmented Generation)
• تشابه‌یابی تصاویر، صداها و متن‌ها

ویژگی‌های مهم Qdrant

• ⚡ فوق‌العاده سریع — نوشته شده با Rust و از SIMD پشتیبانی می‌کنه
• 🔍 فیلتر کردن پیشرفته — می‌تونی همزمان با جستجوی برداری، روی JSON metadata هم فیلتر اعمال کنی
• 📊 مقیاس‌پذیر — تا میلیاردها بردار رو پشتیبانی می‌کنه
• 🔄 جستجوی ترکیبی (Hybrid Search) — ترکیب جستجوی معنایی + جستجوی متنی
• 🖥️ رابط کاربری تحت وب — داشبورد بصری برای مدیریت
• 📦 Client Library برای زبان‌های مختلف: Python, JavaScript, Rust, Go, Java, .NET

روش‌های نصب Qdrant

Qdrant رو به ۴ روش اصلی می‌شه نصب کرد. بیایید هرکدوم رو ببینیم:

✅ روش ۱: نصب با Docker (ساده‌ترین روش — توصیه‌شده)

این روش هم روی لینوکس و هم روی ویندوز جواب میده.

روی لینوکس

# مرحله ۱: کشیدن image از Docker Hub
docker pull qdrant/qdrant

# مرحله ۲: اجرای کانتینر (با ذخیره‌سازی دائمی)
docker run -p 633:633 -p 6334:6334 \
    -v "$(pwd)/qdrant_storage:/qdrant/storage" \
    qdrant/qdrant

روی ویندوز (با Docker Desktop)

# مرحله ۱: کشیدن image
docker pull qdrant/qdrant

# مرحله ۲: اجرا 
docker run -p 633:633 -p 6334:6334 ^
    -v "%cd%/qdrant_storage:/qdrant/storage" ^
    qdrant/qdrant

⚠️ نکته مهم برای ویندوز: به دلیل مشکلات فایل‌سیستم در WSL، توصیه می‌شه مسیر ذخیره‌سازی رو داخل یک volume مخصوص Docker بذارید، نه روی فایل‌سیستم ویندوز.

بعد از اجرا، به این آدرس‌ها دسترسی دارید

✅ روش ۲: نصب با استفاده از باینری مستقیم (بدون Docker)

Qdrant فایل‌های باینری آماده برای سیستم‌عامل‌های مختلف ارائه می‌ده.

روی لینوکس (Ubuntu/Debian)

# دانلود آخرین نسخه (مثلاً v1.18.3) - فایل .deb
wget https://github.com/qdrant/qdrant/releases/download/v1.18.3/qdrant_1.18.3-1_amd64.deb

# نصب
sudo dpkg -i qdrant_1.18.3-1_amd64.deb

# اجرا
qdrant

روی لینوکس (نسخه فشرده — عمومی)

# دانلود فایل tar.gz
wget https://github.com/qdrant/qdrant/releases/download/v1.18.3/qdrant-x86_64-unknown-linux-gnu.tar.gz

# استخراج
tar -xzf qdrant-x86_64-unknown-linux-gnu.tar.gz

# اجرا
./qdrant

روی ویندوز

# ۱. از صفحه Releases گیت‌هاب دانلود کن:
# https://github.com/qdrant/qdrant/releases
# فایل: qdrant-x86_64-pc-windows-msvc.zip

# ۲. فایل رو extract کن
# ۳. توی CMD یا PowerShell اجرا کن:
.\qdrant.exe

✅ روش ۳: نصب از روی سورس (منبع کد) — برای لینوکس و macOS

اگر نیاز به کامپایل اختصاصی برای معماری خاصی دارید:

# پیش‌نیاز: نصب Rust
curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh

# clone کردن مخزن
git clone https://github.com/qdrant/qdrant.git
cd qdrant

# کامپایل
cargo build --release --bin qdrant

# باینری در مسیر:
./target/release/qdrant

✅ روش ۴: نصب کتابخانه Python (حالت Local Mode)

اگر برنامه‌نویس پایتون هستی، می‌تونی حتی بدون اجرای سرور، Qdrant رو مستقیم در کدت استفاده کنی:

pip install qdrant-client

و بعد توی کد پایتون:

from qdrant_client import QdrantClient

# حالت Local — بدون نیاز به سرور!
client = QdrantClient(":memory:")

# یا با مسیر مشخص
client = QdrantClient(path="/tmp/my_qdrant_db")

🚀 شروع سریع (Quick Start) — بعد از نصب

بعد از اینکه Qdrant رو اجرا کردی، می‌تونی با یه درخواست ساده REST API امتحانش کنی:

# بررسی وضعیت سرور
curl http://localhost:633

و برای استفاده در پایتون:

from qdrant_client import QdrantClient
from qdrant_client.http.models import Distance, VectorParams

client = QdrantClient("http://localhost:633")

# ساخت یک Collection جدید
client.create_collection(
    collection_name="my_collection",
    vectors_config=VectorParams(size=128, distance=Distance.COSINE),
)

# اضافه کردن چند نقطه (Point)
client.upsert(
    collection_name="my_collection",
    points=[
        {"id": 1, "vector": [0.1]*128, "payload": {"name": "سند اول"}},
        {"id": 2, "vector": [0.2]*128, "payload": {"name": "سند دوم"}},
    ]
)

🧪 نکات مهم

📚 جمع‌بندی

Qdrant یک دیتابیس برداری مدرن، سریع و قدرتمنده که بهترین گزینه برای کارهای هوش مصنوعی، جستجوی معنایی و RAG هست. ساده‌ترین راه نصب استفاده از Docker هست که روی هر دو سیستم‌عامل لینوکس و ویندوز جواب میده. بعد از اجرا با docker run، فقط کافیه پورت 633 رو باز کنی و API آماده استفاده است.