M365Con 2027 – gratis online conferentie · 11–22 Jan 2027 · 120 sessions m365con.net

Qdrant

Product

Qdrant is een open-source vectordatabase en similarity search-engine geschreven in Rust. Het wordt gebruikt om embeddings op te slaan met payload-metadata voor gefilterde semantische zoekopdrachten en retrieval-augmented generation.

◆ PRODUCTQdrantM365.FM
Title graphic: Qdrant (Product)

Ook besproken

De aflevering over Qdrant gaat ook over Cybersecurity Maturity Model Certification (CMMC), Llama, Ollama, Graphics processing unit (GPU), ISO/IEC 27001 en Vector store.

Beschrijving

Qdrant is een open-source vectordatabase en similarity search-engine geschreven in Rust. Het slaat embeddings op, dat zijn numerieke vectorrepresentaties van content zoals tekst, samen met payload-metadata, en het geeft de items terug die het meest vergelijkbaar zijn met een queryvector. Typische toepassingen zijn semantisch zoeken en retrieval-augmented generation (RAG), waarbij een applicatie relevant brondmateriaal opzoekt en dat als context aan een taalmodel doorgeeft.

In een RAG-pipeline fungeert Qdrant als vectoropslag. Documenten worden ingelezen, omgezet naar embeddings en weggeschreven naar Qdrant. Op het moment van de query wordt de vraag op dezelfde manier ingebed en worden de dichtstbijzijnde resultaten opgehaald. Een Microsoft Learn-pagina over het bouwen van RAG-pipelines met Qdrant en Azure Files beschrijft deze opzet, met Azure Files als bron van documenten. Orkestratieframeworks zoals LangChain, LlamaIndex en Haystack verzorgen het inlezen en het ophalen tijdens de query, zodat niet elk onderdeel van de applicatie Qdrant rechtstreeks hoeft aan te roepen.

Een centrale functie is de payload. Qdrant kan naast elke vector willekeurige, in JSON serialiseerbare metadata opslaan en bij het uitvoeren van een query daarop filteren. Volgens de Microsoft Learn-pagina gebeurt dit filteren tijdens het doorlopen van de HNSW-graaf in plaats van als post-filter, zodat de zoekprestatie door het filter niet afneemt. Dat is van belang wanneer een zoekopdracht beperkt moet worden, bijvoorbeeld tot documenten met bepaalde kenmerken, maar toch op semantische overeenkomst gerangschikt moet blijven. Collecties worden bij de eerste insert automatisch aangemaakt, met een passende vectordimensie en afstandsmetriek.

De keuze voor een implementatie is een beslismoment. Qdrant kan zelf worden gehost, bijvoorbeeld op Azure Kubernetes Service samen met private endpoints voor Azure Files, waardoor de pipeline binnen de netwerkgrenzen van de tenant blijft. Als alternatief biedt Qdrant Cloud een beheerde dienst met dezelfde API als de zelf gehoste versie; volgens de pagina is een gratis laag voldoende voor ontwikkeling en testen. Qdrant is ook beschikbaar via de Azure Marketplace, waarmee de facturatie via een Azure-abonnement loopt. De hier genoemde documentatiepagina vermeldt geen licentievoorwaarden, capaciteitslimieten of prestatiecijfers; die punten moeten bij het plannen van een project apart worden gecontroleerd.

Binnen het Microsoft-ecosysteem staat Qdrant naast diensten als Azure Files, Azure Kubernetes Service en de Azure Marketplace, en het kan worden gecombineerd met op .NET gebaseerde applicaties die semantisch zoeken gebruiken. De M365.FM-aflevering "Build AI Applications with .NET 10" (2025-11-03) plaatst Qdrant, samen met Weaviate, in de infrastructuurlaag van een AI-applicatiearchitectuur onder "Semantic Search & Vector Databases". In die laag staat het naast datamanagement met Entity Framework Core en Cosmos DB, en CI/CD en MLOps met GitHub Actions. De aflevering behandelt het als één bouwsteen van een groter stack en niet als een op zichzelf staand product, en beschrijft AI-functies zoals slimme suggesties en spraakinvoer als onderdeel van de intelligentielaag van de applicatie.

Voor teams die een vectoropslag kiezen, zijn de praktische vragen waar de data gehost mag worden, of metadatafiltering naast similarity-rangschikking nodig is, en of een beheerde of zelf te beheren dienst past bij de operationele capaciteit. De bronnen beschrijven Qdrant als een oplossing die beide hostingmodellen met dezelfde API dekt, wat ontwikkeling op een beheerde gratis laag mogelijk maakt en later een overstap naar een zelf gehoste implementatie binnen een privénetwerk. De bronnen beschrijven echter geen migratieproces.

Overzicht samengesteld met AI op basis van M365.FM-afleveringen en de feiten op deze pagina. Je kunt het verbeteren met de bewerkknop hieronder.

TypeProduct

Veelgestelde vragen

Vragen met AI zijn met AI geschreven op basis van de feiten op deze pagina.

Waarvoor wordt Qdrant gebruikt? (AI)

Qdrant is een vectordatabase en similarity search-engine die wordt gebruikt om embeddings met payload-metadata op te slaan voor gefilterde semantische zoekopdrachten en retrieval-augmented generation. In een RAG-pipeline fungeert het als vectoropslag die de meest vergelijkbare content voor een query teruggeeft.

Hoe gaat Qdrant om met metadatafiltering? (AI)

Qdrant slaat willekeurige, in JSON serialiseerbare metadata op als payload en kan daarop filteren bij het uitvoeren van een query. Volgens de Microsoft Learn-pagina gebeurt het filteren tijdens het doorlopen van de HNSW-graaf in plaats van als post-filter, zodat de zoekprestatie niet afneemt.

Kan Qdrant op Azure worden uitgevoerd? (AI)

Ja. Het kan zelf worden gehost, bijvoorbeeld op Azure Kubernetes Service met private endpoints voor Azure Files, of als de beheerde dienst Qdrant Cloud worden gebruikt. Het is ook beschikbaar via de Azure Marketplace, waarmee de facturatie via een Azure-abonnement loopt.

Woordenlijst

Community wiki

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

Experts en bedrijven voor dit onderwerp

Niemand heeft dit onderwerp nog opgegeven. Voeg het toe aan je profiel.

Beheerd door Mirko Peters (Microsoft MVP) · Laatst bijgewerkt: