Qdrant在Linux系统下的编译与安装指南
2025-05-09 18:22:44作者:袁立春Spencer
前言
Qdrant是一款高性能的向量搜索引擎,采用Rust语言编写。本文将详细介绍如何在Linux系统下完成Qdrant的编译和安装过程,特别针对不使用Docker容器的场景。
环境准备
在开始安装Qdrant之前,需要确保系统满足以下依赖条件:
- GLIBC 2.39 - GNU C库
- GLIBCXX 3.4.30 - 对应gcc-12.4.0版本
- CXXABI 1.3.13 - C++应用二进制接口
依赖检查方法
可以通过以下命令检查当前系统是否满足要求:
ldd --version | grep -i glibc
gcc --version
GLIBC安装与配置
下载与解压
从官方渠道获取glibc-2.39源码包并解压:
tar -xzvf glibc-2.39.tar.gz -C /opt/glibc/
依赖检查
在编译前需要确认以下工具已安装且版本符合要求:
- make 4.0+
- gdb 7.8+
- python 3.4+
- binutils 2.26+
- texinfo 4.7+
- bison 2.7+
- sed 3.02+
- gettext 0.10.36+
编译安装
- 创建独立的编译目录:
mkdir /opt/glibc/glibc-2.39-build
- 配置编译参数:
cd /opt/glibc/glibc-2.39-build
../glibc-2.39-src/configure --prefix=/opt/ld-cpl \
--disable-profile \
--enable-add-ons \
--with-headers=/usr/include \
--with-binutils=/usr/bin \
--disable-sanity-checks \
--disable-werror
- 执行编译:
make -j$(nproc)
make install
GCC安装与配置
下载与解压
获取gcc-12.4.0源码包并解压:
tar -xzvf gcc-12.4.0.tar.gz -C /opt/glibc/
依赖检查
确保以下库已安装:
- GMP 4.3.2+
- MPFR 3.1.0+
- MPC 1.0.1+
编译安装
- 创建编译目录:
mkdir /opt/glibc/gcc-12.4.0-build
- 配置编译参数:
cd /opt/glibc/gcc-12.4.0-build
../gcc-12.4.0-src/configure --prefix=/opt/ld-cpl --disable-multilib
- 执行编译:
make -j$(nproc)
make install
Qdrant安装步骤
获取二进制文件
下载Qdrant的Linux版本二进制包并解压:
tar -xzvf qdrant-x86_64-unknown-linux-gnu.tar.gz
chmod +x qdrant
配置动态链接库
使用patchelf工具配置正确的库路径:
patchelf --set-interpreter /opt/ld-cpl/lib/ld-linux-x86-64.so.2 ./qdrant
patchelf --set-rpath /opt/ld-cpl/lib64 ./qdrant
创建配置文件
新建配置文件config.yaml,包含以下基本配置:
log_level: INFO
storage:
storage_path: ./storage
snapshots_path: ./snapshots
service:
host: 0.0.0.0
http_port: 6333
grpc_port: 6334
enable_cors: true
启动Qdrant服务
使用nohup后台运行:
nohup ./qdrant --config-path=./config.yaml > qdrant.log 2>&1 &
验证安装
通过以下方式验证服务是否正常运行:
curl http://localhost:6333/readyz
预期应返回"OK"响应。
常见问题解决
- GLIBC版本冲突:确保已正确设置动态链接器路径
- 内存不足:编译时减少并行任务数(-j参数)
- 端口冲突:检查6333和6334端口是否被占用
性能优化建议
- 根据服务器CPU核心数调整make的-j参数
- 生产环境建议配置TLS加密
- 大数据量场景下适当调整存储路径配置
结语
通过本文的详细步骤,您应该已经成功在Linux系统上完成了Qdrant的编译和安装。Qdrant作为一款高性能向量搜索引擎,能够为您的应用提供强大的相似性搜索能力。如需进一步了解Qdrant的高级功能,建议查阅官方文档。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
热门内容推荐
最新内容推荐
跨系统应用融合:APK Installer实现Windows环境下安卓应用运行的技术路径探索如何用OpCore Simplify构建稳定黑苹果系统?掌握这3大核心策略ComfyUI-LTXVideo实战攻略:3大核心场景的视频生成解决方案告别3小时抠像噩梦:AI如何让人人都能制作电影级视频Anki Connect:知识管理与学习自动化的API集成方案Laigter法线贴图生成工具零基础实战指南:提升2D游戏视觉效率全攻略如何用智能助手实现高效微信自动回复?全方位指南3步打造高效游戏自动化工具:从入门到精通的智能辅助方案掌握语音分割:从入门到实战的完整路径开源翻译平台完全指南:从搭建到精通自托管翻译服务
项目优选
收起
deepin linux kernel
C
28
16
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
570
99
暂无描述
Dockerfile
709
4.51 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
958
955
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.61 K
942
Ascend Extension for PyTorch
Python
572
694
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
413
339
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.42 K
116
暂无简介
Dart
952
235
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
2