M365Con 2027 – conferencia online gratuita · 11–22 Jan 2027 · 120 sessions m365con.net

Qdrant

Producto

Qdrant es una base de datos vectorial de código abierto y un motor de búsqueda por similitud escrito en Rust, utilizado para almacenar embeddings con metadatos de payload para la búsqueda semántica filtrada y la generación aumentada por recuperación.

◆ PRODUCTOQdrantM365.FM
Gráfico de título: Qdrant (Producto)

También se tratan

El episodio sobre Qdrant trata también Cybersecurity Maturity Model Certification (CMMC), Llama, Ollama, Graphics processing unit (GPU), ISO/IEC 27001 y Vector store.

Descripción

Qdrant es una base de datos vectorial de código abierto y un motor de búsqueda por similitud escrito en Rust. Almacena embeddings, que son representaciones vectoriales numéricas de contenido como el texto, junto con metadatos de payload, y devuelve los elementos más similares a un vector de consulta. Sus usos típicos son la búsqueda semántica y la generación aumentada por recuperación (RAG, por sus siglas en inglés), en la que una aplicación busca material de origen relevante y lo pasa a un modelo de lenguaje como contexto.

En un pipeline RAG, Qdrant actúa como almacén vectorial. Los documentos se ingieren, se convierten en embeddings y se escriben en Qdrant. En el momento de la consulta, la pregunta se convierte en embedding de la misma forma y se recuperan las coincidencias más cercanas. Una página de Microsoft Learn sobre la creación de pipelines RAG con Qdrant y Azure Files describe esta configuración, con Azure Files como origen de los documentos. Frameworks de orquestación como LangChain, LlamaIndex y Haystack se encargan de la ingestión y la recuperación en el momento de la consulta, por lo que no es necesario que cada parte de la aplicación llame directamente a Qdrant.

Una característica central es el payload. Qdrant puede almacenar metadatos arbitrarios serializables en JSON junto a cada vector y filtrar por ellos al ejecutar una consulta. Según la página de Microsoft Learn, este filtrado se realiza durante el recorrido del grafo HNSW y no como un posfiltrado, por lo que el filtro no reduce el rendimiento de la búsqueda. Esto es importante cuando una búsqueda debe restringirse, por ejemplo, a documentos con determinados atributos, pero sin dejar de ordenarse por similitud semántica. Las colecciones se crean automáticamente en la primera inserción, con una dimensión de vector y una métrica de distancia adecuadas.

Las opciones de despliegue son un punto de decisión. Qdrant puede alojarse por cuenta propia, por ejemplo en Azure Kubernetes Service junto con endpoints privados de Azure Files, lo que mantiene el pipeline dentro del límite de red del tenant. Alternativamente, Qdrant Cloud ofrece un servicio gestionado con la misma API que la versión autoalojada, y según la página, un nivel gratuito basta para desarrollo y pruebas. Qdrant también está disponible a través de Azure Marketplace, lo que permite la facturación mediante una suscripción de Azure. La página de documentación a la que se hace referencia aquí no indica términos de licencia, límites de capacidad ni cifras de rendimiento, por lo que estos aspectos deben verificarse por separado al planificar un proyecto.

En el ecosistema de Microsoft, Qdrant aparece junto a servicios como Azure Files, Azure Kubernetes Service y Azure Marketplace, y puede combinarse con aplicaciones basadas en .NET que usan búsqueda semántica. El episodio de M365.FM "Build AI Applications with .NET 10" (2025-11-03) sitúa a Qdrant, junto con Weaviate, en la capa de infraestructura de una arquitectura de aplicaciones de IA bajo "Semantic Search & Vector Databases". En esa capa convive con la gestión de datos mediante Entity Framework Core y Cosmos DB, y con CI/CD y MLOps mediante GitHub Actions. El episodio lo trata como un bloque de construcción de una pila más amplia y no como un producto independiente, y describe funciones de IA como las sugerencias inteligentes y la entrada de voz como parte de la capa de inteligencia de la aplicación.

Para los equipos que eligen un almacén vectorial, las preguntas prácticas son dónde pueden alojarse los datos, si se necesita filtrado por metadatos junto con la clasificación por similitud, y si un servicio gestionado o autooperado encaja con la capacidad operativa disponible. Las fuentes describen Qdrant como una solución que cubre ambos modelos de alojamiento con la misma API, lo que permite desarrollar en un nivel gratuito gestionado y pasar después a un despliegue autoalojado dentro de una red privada, aunque las fuentes no describen un proceso de migración.

Resumen generado con IA a partir de los episodios de M365.FM y los datos de esta página. Puedes mejorarlo con el botón de edición de abajo.

TipoProducto

Preguntas frecuentes

Las preguntas marcadas con IA se escribieron con IA a partir de los datos de esta página.

¿Para qué se usa Qdrant? (IA)

Qdrant es una base de datos vectorial y un motor de búsqueda por similitud que se usa para almacenar embeddings con metadatos de payload para la búsqueda semántica filtrada y la generación aumentada por recuperación. En un pipeline RAG sirve como almacén vectorial que devuelve el contenido más similar para una consulta.

¿Cómo gestiona Qdrant el filtrado por metadatos? (IA)

Qdrant almacena metadatos arbitrarios serializables en JSON como payload y puede filtrar por ellos al ejecutar una consulta. Según la página de Microsoft Learn, el filtrado se realiza durante el recorrido del grafo HNSW y no como posfiltrado, por lo que no reduce el rendimiento de la búsqueda.

¿Se puede ejecutar Qdrant en Azure? (IA)

Sí. Puede alojarse por cuenta propia, por ejemplo en Azure Kubernetes Service con endpoints privados de Azure Files, o utilizarse como el servicio gestionado Qdrant Cloud. También está disponible a través de Azure Marketplace, que permite la facturación mediante una suscripción de Azure.

Glosario

Community wiki

Short info above, community knowledge below: add practical tips, examples or corrections. New contributions are reviewed first; trusted members publish directly.

Expertos y empresas para este tema

Nadie ha indicado aún este tema. Añádelo a tu perfil.

Mantenido por Mirko Peters (Microsoft MVP) · Última actualización: