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 StartedRust0153- 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
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
Ascend Extension for PyTorch
Python
649
796
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
434
395
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++
1.01 K
1.01 K
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
1.24 K
153
deepin linux kernel
C
30
16
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
146
237
暂无简介
Dart
985
253
昇腾LLM分布式训练框架
Python
167
200
🎉 (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
1.68 K
990