📅 2026年04月08日 18:10
Benchmark: pgvector vs Pinecone vs Qdrant vs Weaviate - ベクトルデータベース性能比較
Postgres一本で行ける？実運用で役立つ「速度・精度・コスト」比較ガイド
要約
1Mベクトル規模の実測では、pgvector（HNSW）が専用DBに匹敵する速度と高リコールを出し、NeonなどのサーバレスPostgresと組むとコスト・運用面で非常に有利になる。だが10M〜50Mを超えるとインデックスのメモリ要件で設計見直しが必要。
この記事を読むべき理由
ベクトル検索をプロダクトに組み込む際、速度・精度・運用コストのトレードオフが最重要。日本のスタートアップやEC、SaaSで「既存のPostgresを活かすべきか」「専用ベクトルDBに移すべきか」を判断する材料になります。
詳細解説
- 比較対象
- pgvector：Postgres拡張。別サービス不要でアプリDBと共存可能。HNSWサポートで性能が大幅改善。
- Pinecone：マネージド（サーバレス/ポッド）。運用は楽だがチューニング自由度とコストに制約。
- Qdrant：Rust製、自己ホスト可。フィルタ付き検索が得意。
- Weaviate：ハイブリッド検索（キーワード＋ベクトル）をネイティブで提供。
- Milvus：億単位スケール向けの人気OSS。
- レイテンシ（1M vectors, 1536d、概数 p50 / p95）
- pgvector (HNSW): ~5ms / ~12ms
- Qdrant: ~3ms / ~8ms
- Weaviate: ~8ms / ~22ms
- Pinecone (Serverless): ~12ms / ~48ms
- Milvus: ~4ms / ~11ms
- リコール（精度、「精度優先」設定）
- pgvector: ~98.5%（ef_search調整可）
- Qdrant: ~99.2%
- Weaviate: ~97.8%
- Pinecone: ~95%（チューニング不可）
- Milvus: ~99.0%
- コスト感（1M vectors, 1024d、概算/月）
- pgvector on RDS: 約 $260
- pgvector on Neon: 約 $30–150（サーバレスでバーストに強い）
- Pinecone Serverless: 約 $50–80
- Qdrant Cloud: 約 $65–102
- Weaviate Cloud: 約 $45（最低プラン）
- スケーリングのポイント
- HNSWはインデックスをメモリに載せる前提。数十Mでメモリ要件が急増（例：50M×768dで数百GB）。
- pgvectorscale / StreamingDiskANN のようなディスクベース手法で大規模でも競争力が出る（Timescaleのベンチ：50MでPinecone比で大きな優位）。
- 実運用の知見（Vecstoreの経験）
- Neon移行でレイテンシが200ms→80msに改善。検索自体はDB側で5–8ms、全体ボトルネックは埋め込み生成など別工程。
実践ポイント
- 小〜中規模（〜10M）：既にPostgresを使っているならpgvector + Neonがコスパと運用性で優先候補。
- フィルタ検索が重要：Qdrantが強み。自己ホストで最速の選択肢になることが多い。
- 運用ゼロが最重要：プロトタイプや運用リソースが無いならPinecone（ただしチューニング制約を理解）。
- 数十〜数百M〜億規模：Milvusやディスクベースのソリューション（pgvectorscale等）を検討。
- 何より重要：ベクトルDB選定に時間をかけすぎず、埋め込み品質・検索UXに注力すること（5msと15msの差はユーザにほぼ無関係）。
この記事を読んで、自分のサービスの「想定ベクトル数」「運用工数」「フィルタ要件」を整理すれば、適切な選択ができます。