7.2 FAISS vs 向量数据库：何时用哪个

FAISS 是引擎，向量数据库是整车——你需要的是车，不是引擎

---

这一节在讲什么？

前面七章我们学了 FAISS 的全部能力，也学了 pgvector、Milvus 和 Chroma。现在到了做决策的时候——你的项目该选哪个？这一节我们要建立清晰的技术选型框架，帮你根据场景选择最合适的工具。

---

选型决策树

你的需求是什么？
│
├─ 需要数据持久化？
│   ├─ 是 → pgvector 或 Milvus（FAISS 不持久化）
│   └─ 否 → 继续
│
├─ 需要标量过滤（WHERE 条件）？
│   ├─ 是 → pgvector 或 Milvus（FAISS 不支持）
│   └─ 否 → 继续
│
├─ 数据量有多大？
│   ├─ < 10 万 → Chroma（最简单）
│   ├─ 10 万~1000 万 → pgvector（SQL + 事务）
│   ├─ 1000 万~1 亿 → Milvus（分布式）
│   └─ > 1 亿 → Milvus（分布式 + 量化）
│
├─ 需要极致性能（GPU 加速）？
│   ├─ 是 → FAISS（原生 GPU 支持）
│   └─ 否 → 继续
│
├─ 需要自定义索引组合？
│   ├─ 是 → FAISS（积木式组合）
│   └─ 否 → 继续
│
├─ 嵌入式部署（不需要独立服务）？
│   ├─ 是 → FAISS 或 Chroma
│   └─ 否 → pgvector 或 Milvus
│
└─ 快速原型验证？
    ├─ 是 → Chroma
    └─ 否 → pgvector

---

五种工具的定位总结

工具	定位	核心优势	核心劣势
Chroma	嵌入式向量数据库	零配置、Python 原生	不支持分布式、性能一般
pgvector	SQL 向量数据库	SQL 原生、事务一致性	单机、不支持量化
Milvus	分布式向量数据库	分布式、量化、多向量	运维复杂、无 SQL
FAISS	向量搜索库	性能极致、GPU、灵活	不持久化、不过滤、不分布式
Qdrant	高性能向量数据库	单机性能好、Rust 实现	生态不如 Milvus

---

常见误区：FAISS 性能最好所以选 FAISS

FAISS 的搜索性能确实最好，但"搜索快"不等于"系统快"——一个完整的 RAG 系统还需要数据持久化、标量过滤、并发控制、数据同步等功能。如果你用 FAISS 来实现这些功能，你基本上就是在手写一个向量数据库——而且大概率写得不如 Milvus 或 pgvector。正确的做法是：生产环境用向量数据库，需要极致性能时用 FAISS 作为加速层。

---

小结

这一节我们建立了技术选型框架：需要持久化/标量过滤 → pgvector 或 Milvus，需要极致性能 → FAISS，需要快速原型 → Chroma。FAISS 是引擎，向量数据库是整车——大多数场景你需要的是车，不是引擎。下一节是本教程的最后一节——FAISS 的局限性与未来。