Da Qdrant a MariaDB Vector: il RAG di Atarim in un solo database
Atarim ha sostituito Qdrant con MariaDB Vector per il suo sistema RAG: query filtrate in produzione in 10,3 ms, un fornitore in meno da gestire.
Redazione UptimeMag · 16 novembre 2026 · 3 minuti di lettura

Atarim, agenzia che usa agenti AI per la manutenzione dei siti dei clienti, ha tolto Qdrant dal suo sistema RAG (retrieval-augmented generation) e ha spostato vettori e metadati dentro MariaDB. Il team descrive il cambio come una sostituzione quasi diretta, fatta per integrare più facilmente i dati, tenerli sotto un solo controllo di accesso e gestire un fornitore in meno. Per chi amministra database su VPS o cloud è un caso concreto di cosa cambia quando si passa da un vector database dedicato a un campo VECTOR dentro un RDBMS già in uso.
Perché MariaDB 11.8
Atarim esegue il RAG su AWS, con MariaDB 11.8 su Amazon RDS. La versione non è casuale: è la prima release LTS di MariaDB con MariaDB Vector, la funzione di ricerca per similarità integrata nel server senza estensioni, e la prima disponibile con questa funzione su Amazon RDS for MariaDB.
Lo schema di produzione mette embedding (1.536 dimensioni, modello OpenAI text-embedding-3-small) e metadati JSON nella stessa tabella, con un VECTOR INDEX basato su HNSW (M=16, distanza cosine) e colonne virtuali indicizzate per i campi usati nei filtri. L'applicazione è in Laravel 12 con il driver nativo MariaDB.
I numeri misurati da Atarim
In produzione, su un'istanza db.t4g.micro con 9.708 vettori da 412 file, una ricerca filtrata ai file di un workspace restituisce i primi 20 risultati in 10,3 ms (mediana, cache calda). Una ricerca non filtrata sull'intera collezione impiega 27,1 ms, ma Atarim non la usa mai in produzione.
Il confronto diretto, fatto da Atarim con MariaDB 11.8 e Qdrant 1.14 sulla stessa macchina, con impostazioni di default ed embedding reali:
| Vettori | Latenza filtrata Qdrant | Latenza filtrata MariaDB | Recall (entrambi) |
|---|---|---|---|
| 5.000 | 8,8 ms | 2,7 ms | 0,996 |
| 10.000 | 4,1 ms | 2,4 ms | 0,998 |
| 22.000 | 3,9 ms | 2,4 ms | 0,998 |
A 22.000 vettori con 16 client concorrenti, MariaDB ha servito 1.292 query al secondo contro 880 di Qdrant. Sulle ricerche non filtrate, che usano l'indice HNSW, il rapporto si inverte: Qdrant è più veloce e ha recall 1,00 contro 0,89-0,94 di MariaDB. Il dataset è piccolo, quindi non dice ancora come si comportano i due sistemi a dati più grandi: un secondo articolo promesso da Atarim userà benchmark sintetici a 50 volte il volume attuale.
WordPress: quanto costa vettorizzare un sito
Atarim offre ai clienti anche controlli di salute del database, interrogazioni in linguaggio naturale e azioni eseguite da un LLM sui dati WordPress. Il passo successivo è indicizzare semanticamente i contenuti, ma lo storage aggiuntivo varia parecchio a seconda di cosa si vettorizza, misurato su un database sintetico di circa 1.200 tra post, pagine e prodotti (95 MB):
| Cosa si vettorizza | Storage aggiunto | Rispetto al sito |
|---|---|---|
| Tutto il testo, incluse revisioni e commenti | 552 MB | 5,9× |
| Solo contenuti pubblicati | 120 MB | 1,28× |
| Pubblicati, 768 dimensioni | 68 MB | 0,72× |
| Pubblicati, 512 dimensioni | 46 MB | 0,49× |
A 512 dimensioni il recall scende a circa l'80% di quello ottenuto con le 1.536 dimensioni usate oggi da Atarim. Il plugin WordPress di Atarim conta circa 1.000 installazioni attive nella versione 5.1.5, secondo la directory ufficiale dei plugin WordPress.org.
Atarim e MariaDB presenteranno il sistema in una sessione dal vivo il 3 dicembre; le iscrizioni sono sul sito di MariaDB.
Testo redatto con il supporto dell'intelligenza artificiale e verificato dalla redazione (AI Act, art. 50).