在Flipkart信任与安全团队中使用Qdrant构建实时多模态相似性搜索
💡
原文英文，约600词，阅读约需2分钟。
📝
内容提要
Flipkart的信任与安全团队通过实时相似性搜索将欺诈检测时间从9小时缩短至1分钟，选择Qdrant作为高效的向量数据库，应用于欺诈检测和地址聚类，未来将扩展至更多AI系统。
🎯
关键要点
- Flipkart的信任与安全团队通过实时相似性搜索将欺诈检测时间从9小时缩短至1分钟。
- 团队之前使用HBase和局部敏感哈希(LSH)进行批处理相似性搜索，但速度慢，无法满足实时欺诈预防的需求。
- 选择Qdrant作为高效的向量数据库，因其支持高维嵌入和高效的HNSW索引。
- 新建立的多租户相似性服务支持实时图像相似性检查、地址聚类和检索增强生成(RAG)。
- 从开发者的角度，Java gRPC SDK和Prometheus指标端点的集成简化了采用和监控。
- 未来计划包括扩展公司范围内的RAG系统、标准化Kubernetes基础上的Qdrant部署，以及探索与智能AI框架的集成。
