VPS para Qdrant: onde hospedar e quanto custa de verdade
Qdrant é um banco de dados vetorial open source para armazenar, buscar e filtrar embeddings. Em uma VPS, ele serve de base para busca semântica, RAG, recomendação e agentes de IA. Aqui você compara onde hospedar o Qdrant e entende o que mais altera a máquina: tamanho, dimensão e uso dos vetores.
Backend e banco de dadosself-hosted
Qual porte de Qdrant você vai rodar?
Qdrant não publica um mínimo universal de vCPU, RAM ou disco. Os números mudam conforme quantidade de vetores, dimensões, payloads, índices, réplica e quantização. Os valores 0 de vCPU e RAM significam não informado oficialmente, não ausência de recursos. A referência de 6 GB vem do exemplo oficial de 1 milhão de vetores de 1.024 dimensões em memória; 12 GB aplica a mesma fórmula a 2 milhões. O volume padrão de 10 GiB do Helm não é promessa de capacidade. Qdrant não precisa de GPU para armazenar e consultar vetores ou usar embeddings de APIs; GPU é opcional para acelerar indexação em arquitetura compatível.
O que o Qdrant faz
- Busca por similaridade — Armazena vetores e encontra itens semanticamente próximos por API, em vez de depender só de palavras-chave.
- Filtros sobre payload — Anexa dados JSON aos pontos e combina busca vetorial com filtros de texto, número, localização e condições.
- Vetores densos e esparsos — Suporta vetores densos, sparse vectors e multivetores para busca híbrida e reranqueamento.
- Quantização integrada — Reduz o uso de RAM ao trocar parte da precisão e velocidade por uma representação mais compacta.
- REST e gRPC — Oferece API REST e interface gRPC para consultas e atualizações por aplicações e pipelines.
- Escala por shards e réplicas — Pode distribuir coleções por shards e replicá-las quando a arquitetura exige disponibilidade ou mais capacidade.
Qdrant é a peça de armazenamento e busca, não o modelo de IA. Um fluxo de RAG transforma documentos em embeddings, grava vetores no Qdrant e consulta os mais próximos antes de chamar o LLM. Por isso, uma VPS para Qdrant pode bastar mesmo quando o chat usa OpenAI, Claude ou Gemini: a inferência continua no provedor por API. Para protótipo local, Qdrant Cloud ou banco embutido podem reduzir operação. VPS entra quando domínio, rede privada, persistência e controle do banco justificam cuidar do servidor.
O erro caro é dimensionar pelo nome banco vetorial em vez do corpus. A documentação fornece uma fórmula: vetores em RAM ocupam quantidade, dimensões, 4 bytes e margem de 50% para metadados, índices, versões e segmentos temporários. Antes de comprar mais CPU, informe quantidade de vetores, dimensão do embedding e campos indexados. Se a prioridade for volume em vez de latência, mova vetores para disco em SSD ou NVMe e meça consultas reais. Faça backup do volume persistente e não exponha a API padrão sem segurança.
Como instalar
- Estime o corpus: quantidade de vetores, dimensão, payloads, índices, réplicas e se os vetores ficarão em RAM ou disco.
- Escolha VPS Linux com armazenamento persistente em SSD ou NVMe; não use NFS ou S3 como volume de dados do Qdrant.
- Na Hostinger, comece pelo template do Qdrant; em outro provedor, suba a imagem oficial em Docker com volume em /qdrant/storage.
- Configure API key, publique atrás de HTTPS e exponha apenas portas necessárias: 6333 para HTTP, 6334 para gRPC e 6335 entre nós de cluster.
- Crie coleção com dimensão e métrica do embedding, teste dados reais e acompanhe RAM, disco, latência e backups antes de ampliar.
Perguntas frequentes
Qdrant precisa de GPU?
Não para armazenar, indexar e consultar vetores no uso comum, nem quando embeddings vêm de OpenAI, Claude, Gemini ou API semelhante. O Qdrant suporta GPU para acelerar indexação em arquiteturas compatíveis, mas ela é opcional. Modelo de embeddings local é uma carga separada.
Quanta RAM preciso para 1 milhão de vetores no Qdrant?
A documentação usa 1 milhão de vetores de 1.024 dimensões em memória e chega a cerca de 5,72 GB. A conta inclui 50% extra para metadados, índices, versões e segmentos temporários. Ela não inclui automaticamente o payload, réplicas ou outros serviços da VPS.
Posso usar Qdrant em uma VPS pequena?
Pode para teste ou corpus pequeno, mas o projeto não publica mínimo universal de CPU e RAM. O tamanho depende de vetores, dimensões, payloads, índices, armazenamento, réplica e quantização. O Helm inicia com volume persistente de 10 GiB, mas isso não diz quantos vetores cabem.
Quando não vale hospedar Qdrant em VPS?
Não vale se você não quer cuidar de atualização, API key, HTTPS, backups, volume persistente e monitoramento. Também pode ser exagero para protótipo local ou corpus pequeno. Para operação gerenciada, o projeto oferece Qdrant Cloud.
Fontes
- Qdrant Docs: planejamento de capacidade, fórmula de RAM e exemplo de 1 milhão de vetores de 1.024 dimensões — conferido em 11/08/2026
- Qdrant Docs: requisitos de instalação, fatores que definem CPU e RAM, SSD ou NVMe para vetores em disco e portas — conferido em 11/08/2026
- Qdrant Helm Chart oficial: volume persistente padrão de 10 GiB e recursos de CPU e memória sem valores definidos — conferido em 11/08/2026
- Repositório oficial Qdrant: busca vetorial, filtros, quantização, implantação distribuída e aceleração de indexação por GPU — conferido em 11/08/2026
Relacionados
Agentes de IAAnythingLLMAnythingLLM é uma aplicação de IA para conversar com documentos, conectar modelos de nuvem ou locais e criar agentes. Em uma VPS, a edição Docker adiciona navegador, usuários, permissões e widget incorporável. Aqui você compara onde hospedar a aplicação e entende o que realmente dimensiona a máquina: o app, os documentos ou o modelo escolhido.a partir de2 vCPU · 2 GB RAM · 5 GB
Agentes de IAFlowiseFlowise é uma plataforma open source para montar agentes e fluxos com LLMs por uma interface visual. Nesta página, você compara VPS para a instalação self-hosted, vê o único request de recursos publicado pelo projeto e entende quando o custo está no servidor ou no modelo de IA.a partir de1 vCPU · 1 GB RAM
Agentes de IADifyDify é uma plataforma self-hosted para criar aplicações de IA, workflows, pipelines RAG e chatbots. Nesta página, você compara VPS para rodar a edição Community, vê o requisito oficial e entende quando o custo está no servidor e quando está no provedor do modelo.a partir de2 vCPU · 4 GB RAM