ベクトル DB 徹底比較 ─ Pinecone・Qdrant・Weaviate・Milvus・pgvector

RAG の検索精度を決めるのが ベクトル DB。選択肢が増えすぎたので、5 大候補を 性能・運用・コスト・機能 の 4 軸で整理します。

1. Pinecone(マネージド SaaS)

• 強み: 完全マネージド、運用負担ゼロ、サーバレス課金
• 弱み: 自社内に置けない、コストが大きくなりやすい
• 向き: スタートアップが PoC を最短で作る場合
• 料金: $70/month〜(Standard)。データ量・QPS で増減

2. Qdrant(OSS + マネージド)

• 強み: Rust 製で高速、HNSW + 量子化、フィルタリングが強力
• 弱み: マネージド版は新興でエコシステム発展途上
• 向き: OSS でセルフホスト or マネージドどちらも選びたい場合
• 特徴: Payload(メタデータ)に対する複雑フィルタが書きやすい

3. Weaviate(OSS + マネージド)

• 強み: 標準で GraphQL API・モジュール式(text2vec-openai 等)、ハイブリッド検索が組み込み
• 弱み: 設定が複雑、リソース消費が大
• 向き: 開発者体験(DX)を重視するチーム、ハイブリッド検索が必要

4. Milvus / Zilliz(OSS + マネージド)

• 強み: 1 億〜10 億規模の大規模ベクトル対応、GPU インデキシング
• 弱み: 運用が複雑(K8s 前提)、学習コスト大
• 向き: 大規模本番システム(検索エンジン・推薦)

5. pgvector(PostgreSQL 拡張)

• 強み: PostgreSQL なのでトランザクション・SQL JOIN が使える、運用ノウハウ流用可
• 弱み: 数千万件以下が現実的、専用 DB ほど速くない
• 向き: 既存 RDB 資産を活かしたい、データ規模が中程度(〜1000 万件)
• HNSW インデックス対応: pgvector 0.5+ で大幅高速化

選び方の判断軸

• 規模: 〜100 万 → pgvector / 100 万〜1 億 → Qdrant・Weaviate / 1 億超 → Milvus・Vespa
• 運用: マネージド優先 → Pinecone / コスト最適化 → セルフホスト OSS
• 機能: ハイブリッド検索 → Weaviate・Qdrant / SQL 連携 → pgvector
• 価格透明性: pgvector(PostgreSQL 価格)→ Qdrant Cloud → Pinecone

関連記事

• [ベクトル検索の基礎](/blog/vector-search-fundamentals)
• [RAG 入門](/blog/rag-introduction)
• [LangChain vs LlamaIndex](/blog/langchain-vs-llamaindex)