מחשבון גודל למסד וקטורים ב-RAG: זיכרון ודיסק

הזינו כמה chunks אתם ממירים ל-embedding, את המודל, את האינדקס ואת ה-quantization. תקבלו את ה-RAM והדיסק שמסד הווקטורים צריך כטווח, כשכל מבנה נספר וכל מקדם מקושר לתיעוד שממנו הוא נלקח.

נתונים

וקטורים (chunks)וקטור אחד לכל chunk: מסמכים × chunks למסמך. chunk של 1,000 טוקנים הוא בערך 4 KB של טקסט באנגלית.

מודל embeddingהממד נלקח מהתיעוד של הספק. בחרו מודל אחר כדי להקליד אותו.

הממד של text-embedding-3-small: התיעוד של הספק (2026-10-16)

ממדיםאורך הווקטורים שהמודל מחזיר. במודלים שמאפשרים פלט קצר יותר (Matryoshka), זה מה שביקשתם.

payload ממוצע לווקטור (בתים)המטא-דאטה, והטקסט של ה-chunk אם שומרים אותו יחד עם הווקטור. 0 כשהטקסט נשמר במקום אחר.

אינדקס ואחסון

אינדקס

קישורי HNSW לצומת (m)16 היא ברירת המחדל של Qdrant. יותר קישורים מעלים את ה-recall ואת הזיכרון; בשכבה התחתונה יש m × 2 קישורים לווקטור.

אחסון הווקטוריםב-int8 וב-binary עותק דחוס נשאר ב-RAM, ווקטורי ה-float32 המקוריים נשמרים בדיסק ל-rescoring.

מקדם שכפול (replication factor)עותקים של כל וקטור באשכול. 1 לשרת יחיד; 2 ומעלה לזמינות גבוהה.

תוצאה

RAM: 5.91 GiB עד 7.1 GiB
דיסק: 7.34 GiB עד 8.81 GiB
RAM לווקטור, עותק אחד: 6,349.6 B

פירוט
שורה	ערך	הנחות בשימוש
וקטורים (RAM ודיסק)	5.72 GiB	בתים לממד, float32
גרף HNSW (RAM ודיסק)	146.48 MiB	בתים לקישור HNSW שכבות עליונות ותחזוקה של HNSW
ID tracker (RAM ודיסק)	49.59 MiB	ID tracker לנקודה
Payload (דיסק)	1.43 GiB	תקורת אחסון ה-payload
RAM לפני מרווח	5.91 GiB	בתים לממד, float32 בתים לקישור HNSW שכבות עליונות ותחזוקה של HNSW ID tracker לנקודה
דיסק לפני מרווח	7.34 GiB	בתים לממד, float32 בתים לקישור HNSW שכבות עליונות ותחזוקה של HNSW ID tracker לנקודה תקורת אחסון ה-payload

מחשבון vector-db 1.0.0 · מנוע @anaroq/calc 1.4.0 · תמונת נתונים 2026.10.4 · איך המחשבונים עובדים

הנחות

כל מספר שהתוצאה משתמשת בו ולא הזנתם. אפשר לשנות כל אחד מהם כך שיתאים למקרה שלכם.

בתים לממד, float32
4 B (הגדרה קבועה)
רכיב float32 תופס 4 בתים: ברירת המחדל של Qdrant לסוג הווקטור.
מקור · נקרא ב-16 באוק׳ 2026
בתים לקישור HNSW
4 B (הגדרה קבועה)
כל קישור בגרף הוא מזהה נקודה של 4 בתים; בשכבה התחתונה יש m × 2 קישורים לנקודה.
מקור · נקרא ב-16 באוק׳ 2026
שכבות עליונות ותחזוקה של HNSW
המקדם של Qdrant על הקישורים של השכבה התחתונה, עבור השכבות העליונות והתחזוקה.
מקור · נקרא ב-16 באוק׳ 2026
ID tracker לנקודה
52 B (הגדרה קבועה)
Qdrant שומרת 52 בתים לנקודה שממפים מזהים למיקומים פנימיים, ונשארים ב-RAM תמיד.
מקור · נקרא ב-16 באוק׳ 2026
תקורת אחסון ה-payload
המקדם של Qdrant על ה-payload הגולמי עבור מנגנון האחסון. ה-payload נשאר בדיסק (שכבת cold, ברירת המחדל של Qdrant).
מקור · נקרא ב-16 באוק׳ 2026
מרווח
%
מתווסף לסכומי ה-RAM והדיסק עבור ה-page cache, זמן הריצה וה-optimizer (RAM) וה-WAL, ה-snapshots והסגמנטים הזמניים (דיסק). הקצה העליון של כל טווח.
מקור · נקרא ב-16 באוק׳ 2026

מה שהזנתם וההנחות ששיניתם נשמרים בקישור של העמוד, אחרי ה-#.

קחו את התוצאה איתכם

התוצאה כקובץ Markdown: מה שהזנתם, הפירוט, כל מקדם עם המקור שלו והקישור שמשחזר את החישוב.

vector-db-size.md

# מחשבון גודל למסד וקטורים ב-RAG: זיכרון ודיסק

הערכה לפי ההנחות שמפורטות למטה, לא מדידה ולא התחייבות.

## מה שהזנתם

- וקטורים (chunks): 1,000,000
- מודל embedding: OpenAI text-embedding-3-small (https://developers.openai.com/api/docs/guides/embeddings)
- ממדים: 1,536
- אינדקס: HNSW (גרף)
- קישורי HNSW לצומת (m): 16
- אחסון הווקטורים: float32 (בלי quantization)
- payload ממוצע לווקטור (בתים): 1,024
- מקדם שכפול (replication factor): 1

## תוצאה

- RAM: 5.91 GiB עד 7.1 GiB
- דיסק: 7.34 GiB עד 8.81 GiB
- RAM לווקטור, עותק אחד: 6,349.6 B

## פירוט

| שורה | ערך | הנחות בשימוש |
| --- | --- | --- |
| וקטורים (RAM ודיסק) | 5.72 GiB | בתים לממד, float32 |
| גרף HNSW (RAM ודיסק) | 146.48 MiB | בתים לקישור HNSW, שכבות עליונות ותחזוקה של HNSW |
| ID tracker (RAM ודיסק) | 49.59 MiB | ID tracker לנקודה |
| Payload (דיסק) | 1.43 GiB | תקורת אחסון ה-payload |
| RAM לפני מרווח | 5.91 GiB | בתים לממד, float32, בתים לקישור HNSW, שכבות עליונות ותחזוקה של HNSW, ID tracker לנקודה |
| דיסק לפני מרווח | 7.34 GiB | בתים לממד, float32, בתים לקישור HNSW, שכבות עליונות ותחזוקה של HNSW, ID tracker לנקודה, תקורת אחסון ה-payload |

## הנחות

- בתים לממד, float32: 4 B. רכיב float32 תופס 4 בתים: ברירת המחדל של Qdrant לסוג הווקטור. מקור: https://qdrant.tech/documentation/capacity-planning/ (נקרא ב-16 באוק׳ 2026)
- בתים לקישור HNSW: 4 B. כל קישור בגרף הוא מזהה נקודה של 4 בתים; בשכבה התחתונה יש m × 2 קישורים לנקודה. מקור: https://qdrant.tech/documentation/capacity-planning/ (נקרא ב-16 באוק׳ 2026)
- שכבות עליונות ותחזוקה של HNSW: 1.2. המקדם של Qdrant על הקישורים של השכבה התחתונה, עבור השכבות העליונות והתחזוקה. מקור: https://qdrant.tech/documentation/capacity-planning/ (נקרא ב-16 באוק׳ 2026)
- ID tracker לנקודה: 52 B. Qdrant שומרת 52 בתים לנקודה שממפים מזהים למיקומים פנימיים, ונשארים ב-RAM תמיד. מקור: https://qdrant.tech/documentation/capacity-planning/ (נקרא ב-16 באוק׳ 2026)
- תקורת אחסון ה-payload: 1.5. המקדם של Qdrant על ה-payload הגולמי עבור מנגנון האחסון. ה-payload נשאר בדיסק (שכבת cold, ברירת המחדל של Qdrant). מקור: https://qdrant.tech/documentation/capacity-planning/ (נקרא ב-16 באוק׳ 2026)
- מרווח: 20%. מתווסף לסכומי ה-RAM והדיסק עבור ה-page cache, זמן הריצה וה-optimizer (RAM) וה-WAL, ה-snapshots והסגמנטים הזמניים (דיסק). הקצה העליון של כל טווח. מקור: https://qdrant.tech/documentation/capacity-planning/ (נקרא ב-16 באוק׳ 2026)

מחשבון vector-db 1.0.0 · מנוע @anaroq/calc 1.4.0 · תמונת נתונים 2026.10.4

פתיחת החישוב הזה: https://anaroq.com/he/tools/vector-db-sizer#k=eyJhc3N1bXB0aW9ucyI6e30sImNhbGMiOiJ2ZWN0b3ItZGIiLCJpbnB1dCI6eyJkaW1lbnNpb25zIjoxNTM2LCJobnN3TSI6MTYsImluZGV4IjoiaG5zdyIsIm1vZGVsIjoib3BlbmFpLXRleHQtZW1iZWRkaW5nLTMtc21hbGwiLCJwYXlsb2FkQnl0ZXMiOjEwMjQsInF1YW50aXphdGlvbiI6ImZsb2F0MzIiLCJyZXBsaWNhcyI6MSwidmVjdG9ycyI6MTAwMDAwMH0sInYiOjF9
איך המחשבונים עובדים: https://anaroq.com/he/methodology#calculators

מה הכלי עושה

המחשבון סוכם כל מבנה שמסד וקטורים שומר עבור הווקטורים שלכם: הווקטורים עצמם, האינדקס, ה-ID tracker וה-payload, כפול מקדם השכפול, ומפריד בין מה שחייב להיות ב-RAM למה שנשמר בדיסק. השיטה היא תכנון הקיבולת שפרסמה Qdrant, איבר אחר איבר; התיעוד של FAISS ושל Milvus נותן את האיברים של IVF.

איך זה עובד

בסיס: וקטורים × מקדם השכפול, כי כל עותק מחזיק את כל הווקטורים.
וקטורים: בסיס × ממדים × בתים לממד (float32: ‏4, ‏float16: ‏2). ב-quantization מסוג int8 (בית אחד) או binary (ביט אחד) העותק הדחוס הוא מה שנמצא ב-RAM, ווקטורי ה-float32 המקוריים נשארים בדיסק ל-rescoring.
אינדקס: HNSW שומר בסיס × m × 2 קישורים × 4 בתים × 1.2 עבור השכבות העליונות. IVF שומר מזהה של 8 בתים לכל וקטור ו-centroid אחד מסוג float32 לכל אשכול. Flat לא שומר דבר נוסף וסורק את כל הווקטורים.
ID tracker: ‏52 בתים לווקטור, תמיד ב-RAM. ‏Payload: בסיס × payload ממוצע × 1.5, בדיסק.
RAM = וקטורים ב-RAM + אינדקס + ID tracker. דיסק = כל המבנים. כל טווח מתחיל בסכום הזה ומסתיים בסכום ועוד מרווח של 20% עבור ה-page cache, ה-optimizer, ה-WAL וה-snapshots. הגדלים בינאריים: ‏1 GiB = 2³⁰ בתים.
כל מקדם מופיע תחת ההנחות עם עמוד התיעוד שממנו הוא נלקח; את מקדמי התקורה ואת המרווח אפשר לשנות.

דוגמה

1,000,000 chunks שהומרו עם text-embedding-3-small של OpenAI ‏(1536 ממדים), ‏HNSW עם m = 16, ‏float32, ‏1 KiB של payload לכל אחד ועותק אחד:

1,000,000 וקטורים · 1536 ממדים · HNSW m 16 · float32 · עותק אחד

RAM: 5.91 GiB עד 7.1 GiB
דיסק: 7.34 GiB עד 8.81 GiB
RAM לווקטור, עותק אחד: 6,349.6 B

מגבלות

הערכת גודל, לא benchmark: היא לא אומרת דבר על מהירות שאילתות או על recall, והיא לא משווה בין מוצרים.
מקדמי התקורה הם של Qdrant. מסדים אחרים שונים: Weaviate סופרת 8 עד 10 בתים לכל קישור בגרף וממליצה להכפיל את זיכרון הווקטורים בגלל ה-garbage collector של Go, מה שמעל הקצה העליון של הטווח כאן.
ה-payload נספר בדיסק בלבד (שכבת cold, ברירת המחדל של Qdrant). Payload שנשמר ב-RAM, אינדקסים על ה-payload ווקטורים דלילים (sparse) לא נכללים.
חיפוש עם quantization כשהמקוריים בדיסק איטי יותר כשהוא מבצע rescoring; אם צריך את המהירות הזו, השאירו את המקוריים ב-RAM וספרו אותם כ-RAM.
בלי מחיר. כמה עולה שרת או מסד מנוהל עם RAM ודיסק בגודל הזה לא נכלל בעמוד הזה.

מתודולוגיה: איך מחושבים המספרים

מקורות

עודכן 16 באוקטובר 2026

הצעד הבא

Qdrant

כלי ציבורי חינמי של אנרוק, חברה שבונה תשתיות מחשוב. מה אנרוק בונה