O Que Fazer Quando o Qdrant Precisa Escalar Verticalmente

Escalar verticalmente significa aumentar CPU, RAM ou disco em nós existentes, em vez de adicionar mais nós. Este é o primeiro passo recomendado antes de considerar o escalonamento horizontal. O escalonamento vertical é mais simples, evita a complexidade de sistemas distribuídos e é reversível.

• O escalonamento vertical para o Qdrant Cloud é feito através do Qdrant Cloud Console
• Para implantações auto-hospedadas, redimensione os recursos da VM ou contêiner subjacente

Quando Escalar Verticalmente

Use quando: os recursos do nó atual (RAM, CPU, disco) são insuficientes, mas a carga de trabalho ainda não requer distribuição.

• Uso de RAM se aproximando de 80% da memória disponível (a evicção do cache de página do SO começa, degradação severa de desempenho)
• Saturação de CPU durante o atendimento de consultas ou indexação
• Espaço em disco acabando para vetores e payloads em disco
• Um único nó pode lidar com até ~100 milhões de vetores, dependendo das dimensões e quantização
• Para cargas de trabalho não de produção, que são tolerantes a falha de ponto único e não requerem alta disponibilidade

Como Escalar Verticalmente no Qdrant Cloud

O escalonamento vertical é gerenciado através do Qdrant Cloud Console.

• Faça login no Qdrant Cloud Console ou use a ferramenta CLI
• Selecione o cluster a ser redimensionado
• Escolha uma configuração de nó maior (mais RAM, CPU ou ambos)
• O processo de atualização envolve uma reinicialização contínua sem tempo de inatividade se a replicação estiver configurada
• Garanta replication_factor: 2 ou superior antes de redimensionar para manter a disponibilidade durante a reinicialização contínua

Importante: Escalar para cima é simples. Escalar para baixo requer cuidado -- se o conjunto de trabalho não couber mais na RAM após a redução, o desempenho se degradará severamente devido à evicção de cache. Sempre teste a carga antes de escalar para baixo.

Diretrizes de Dimensionamento de RAM

A RAM é o recurso mais crítico para o desempenho do Qdrant. Use estas diretrizes para dimensionar corretamente.

• A estimativa exata do uso de RAM é difícil; use esta fórmula aproximada simples: num_vectors * dimensions * 4 bytes * 1.5 para vetores de precisão total em RAM
• Com quantização escalar: divida por 4 (INT8 reduz cada float32 para 1 byte) Quantização
• Com quantização binária: divida por 32 Quantização binária
• Adicione sobrecarga para o índice HNSW (~20-30% dos dados do vetor), índices de payload e WAL
• Reserve 20% de margem para operações do otimizador e cache do SO
• Monitore o uso real via Grafana/Prometheus antes e depois de redimensionar Monitoramento

Quando o Escalonamento Vertical Não For Mais Suficiente

Reconheça estes sinais de que é hora de escalar horizontalmente:

• O volume de dados excede o que um único nó pode conter, mesmo com quantização e mmap
• IOPS estão saturados (mais nós = mais I/O de disco independente)
• Necessidade de tolerância a falhas (requer replicação entre nós)
• Necessidade de isolamento de tenant via shards dedicados
• A CPU do nó único está no máximo e a latência da consulta é inaceitável
• O próximo passo de escalonamento vertical é o maior tamanho de nó disponível. Você pode precisar escalar temporariamente para o maior tamanho de nó para realizar operações em lote ou recuperação. Se você já estiver no maior tamanho de nó, não poderá fazer isso.

Quando você atingir esses limites, consulte Escalonamento Horizontal para obter orientação sobre particionamento (sharding) e planejamento de nós.

O Que NÃO Fazer

• Não reduza a RAM sem testar a carga primeiro (evicção de cache = degradação severa de latência que pode durar dias)
• Não ignore o limite de 80% de RAM (declínio de desempenho abrupto, não gradual)
• Não pule a replicação antes de redimensionar na nuvem (reinicialização contínua sem réplicas = tempo de inatividade)
• Não pule para o escalonamento horizontal antes de esgotar as opções verticais (adiciona complexidade operacional permanente)
• Não assuma que mais CPU sempre ajuda (cargas de trabalho limitadas por IOPS não melhorarão com mais núcleos)