本文介绍Qdrant向量数据库在集合超出内存时的优化方法。通过量化压缩向量（如TurboQuant bits4）并固定压缩副本在RAM中，原始向量移至磁盘，可减少内存占用。重打分（rescore）虽增加磁盘读取，但能恢复精度，尤其对低比特量化（如bits1）效果显著。建议从bits4开始，根据测试调整参数，并验证召回率与延迟。

Qdrant向量数据库通过量化与重打分机制应对向量集合超出内存的情况：量化在内存保留压缩副本，原始向量移至磁盘；TurboQuant通过旋转向量均匀分布误差，bits4为常用默认值；重打分读取原始向量修正压缩误差，但增加磁盘读取开销。测试表明，1比特量化配合重打分和过采样可将召回率从0.605恢复至0.951，接近float32基线。建议固定量化副本、原始向量冷存储，并启用io_uring异步读取。