零依赖本地调试：VectorDB Lite +VectorDB CLI 高效构建向量数据库全流程

随着大规模AI应用落地，向量数据库作为非结构化数据处理的核心基础设施，其开发调试效率直接影响模型迭代速度。对此，文章聚焦VectorDB Lite轻量级本地调试方案（更多信息：cloud.baidu.com/product/vdb...），结合Docker容器化与VectorDB CLI命令行工具，构建开箱即用的向量数据调试闭环。在当前行业追求敏捷开发的趋势下，通过本地化调试不仅降低测试成本，更能为高并发向量检索、多模态索引等场景提供快速验证能力，助力技术开发者们实现从原型到生产的无缝迁移。

调试方案第一步

需要使用Docker Compose启动VectorDB服务，但需要注意一点，VectorDB Lite 版目前仅支持 X86 机器启动，ARM 芯片暂时不支持。

启动方式 1 Docker Compose配置docker-compose.yml

shell 复制代码

services:
  vdb-service:
    image: mochow/vdb:2.1.5854  # 镜像名称和版本
    container_name: baidu-vdb-container  # 容器名称
    ports:
      - "5287:5287"  # 映射容器内的 5287 端口到主机
    environment:
      - port=5287  # 配置容器内使用的端口
    volumes:
      - ./data:/mnt/data  # 将本地 ./data 目录挂载到容器中的 /mnt/data
      - ./log:/mnt/log  # 将本地 ./log 目录挂载到容器中的 /mnt/log
    restart: always  # 自动重启策略，确保容器在意外退出时重启

启动本地VectorDB服务

shell 复制代码

# 注意 Compose V2 才支持 docker compose 命令，如果是 V1 建议先升级。
docker compose up -d

启动方式 2 国内用户如果无法访问 docker 服务，可以直接下载，然后通过命令安装

shell 复制代码

curl http://public-vdb.bj.bcebos.com/vdb-standalone-2.1.tar.gz -o vdb-standalone-2.1.tar.gz

解压后启动本地 VectorDB 服务

shell 复制代码

sh vdb_service.sh start

启动后本地会有两个目录，data保存数据和log保存日志

shell 复制代码

ll
total 12
drwxr-xr-x 5 1000 1000 4096 Jan 10 10:57 data
-rw-r--r-- 1 root root  536 Jan 10 10:55 docker-compose.yml
drwxr-xr-x 2 1000 1000 4096 Jan 10 10:57 log

查看服务正常启动，服务端口为5287

shell 复制代码

docker ps | grep vectordb
709db1519963   mochow/vdb:2.1.5854                "/root/entrypoint.sh"    About a minute ago   Up About a minute         0.0.0.0:5287->5287/tcp, :::5287->5287/tcp                                              baidu-vdb-container

停止本地VectorDB服务

shell 复制代码

docker compose down

调试方案第二步

下载 VectorDB CLI

下载链接：linux.vectordb-cli-2.1.1.tar.gz
执行 tar -zxvf linux.vectordb-cli-2.1.1.tar.gz 解压工具压缩包

使用VectorDB CLI进行建表，即使用VectorDB CLI链接本地的VectorDB，root默认密码为mochow。

shell 复制代码

./vectordb-cli -u root -e http://127.0.0.1:5287
api key for 'root' to 'http://127.0.0.1:5287': 
2024/09/14 11:06:53 Successfully initialized mochow client.


        __     __                _                    ____    ____  
        \ \   / /   ___    ___  | |_    ___    _ __  |  _ \  | __ ) 
         \ \ / /   / _ \  / __| | __|  / _ \  | '__| | | | | |  _ \ 
          \ V /   |  __/ | (__  | |_  | (_) | | |    | |_| | | |_) |
           \_/     \___|  \___|  \__|  \___/  |_|    |____/  |____/


        type '-h' or 'help' to see usage
vectordb-cli > 
vectordb-cli >

建库操作如下：

shell 复制代码

vectordb-cli > create database -d testdb
create database 'testdb' success
vectordb-cli > list databases
+--------------+
| databases    |
+==============+
| testdb       |
+--------------+

建表操作如下：

shell 复制代码

vectordb-cli > create table

input create table args, end with ';'
... {
...      "database": "testdb",
...      "table": "book",
...      "description": "basic test",
...      "replication": 1,
...      "partition": {
...          "partitionType": "HASH",
...          "partitionNum": 3
...      },
...      "enableDynamicField": false,
...      "schema": {
...          "fields": [
...              {
...                  "fieldName": "id",
...                  "fieldType": "STRING",
...                  "primaryKey": true,
...                  "partitionKey": true,
...                  "autoIncrement": false,
...                  "notNull": true
...              },
...              {
...                  "fieldName": "bookName",
...                  "fieldType": "STRING",
...                  "notNull": true
...              },
...              {
...                  "fieldName": "author",
...                  "fieldType": "STRING"
...              },
...              {
...                  "fieldName": "page",
...                  "fieldType": "UINT32"
...              },
...              {
...                  "fieldName": "vector",
...                  "fieldType": "FLOAT_VECTOR",
...                  "notNull": true,
...                  "dimension": 3
...              }
...          ],
...          "indexes": [
...              {
...                  "indexName": "book_name_idx",
...                  "field": "bookName",
...                  "indexType": "SECONDARY"
...              },
...              {
...                  "indexName": "vector_idx",
...                  "field": "vector",
...                  "indexType": "HNSW",
...                  "metricType": "L2",
...                  "params": {
...                      "M": 32,
...                      "efConstruction": 32
...                  }
...              }
...          ]
...      }
...  };
create table 'book' success

vectordb-cli > list tables --db testdb
+-----------+
| tables    |
+===========+
| book      |
+-----------+

更详细的命令可以查看：cloud.baidu.com/doc/VDB/s/R...

通过VectorDB CLI的声明式建表能力与VectorDB Lite版服务的轻量级部署，技术开发者们可在本地高效构建向量数据管理全链路。以上文章演示的Docker Compose快速启动、跨平台CLI交互及表结构设计实践，直击向量数据库开发中的环境隔离与快速验证痛点。随着边缘计算与轻量化AI部署需求激增，此类本地调试方案将成为算法工程师的标准工具链，进一步释放向量数据库在实时推荐、语义搜索等场景的落地潜力。更多相关文章可浏览：VectorDBⅹMCP:轻松打造向量数据库专属助手