Weaviate — векторная БД для RAG, поиска и observability

✅ Подходит: если вам нужна векторная БД, которую можно взять как managed Cloud или развернуть самостоятельно через Docker и Kubernetes, а также быстро проверить через Prometheus-метрики и открытые ANN-бенчмарки.

❌ Не подходит: если вам нужен зрелый embedded-режим без оговорок, полностью стабильная схема метрик между minor-релизами или прозрачные cloud-квоты без перепроверки по региону и провайдеру.

💡 Ключевое преимущество: Weaviate совмещает несколько сценариев развертывания в одном продукте и даёт практичную observability-базу: structured logs, Prometheus-compatible metrics и воспроизводимый benchmarking.

• Разработчик: Weaviate (точное юрлицо не раскрыто в предоставленном source pack)
• Тип: cloud / self-hosted / embedded
• Официальный URL: https://docs.weaviate.io/weaviate
• Дата проверки: 19.08.2026

Редакционное ограничение: в предоставленном source pack нет ссылки на Privacy Policy и нет официального статуса по доступности сервиса для РФ, русской локализации и способам оплаты из РФ. Поэтому эти разделы ниже ограничены тем, что подтверждается документацией, pricing page и release notes.

На момент проверки latest release в GitHub — v1.39.0 от 04.08.2026. В release notes проект рекомендует держаться последнего стабильного patch-релиза внутри текущего minor и пишет, что поддерживаются последние три minor-версии. Для Weaviate Cloud учитывайте ещё одну практическую оговорку из source pack: rollout новой версии может немного отставать от GitHub-релиза.

Что умеет

• Разворачивается в нескольких режимах: Weaviate Cloud, Docker, Kubernetes и Embedded; embedded-вариант прямо помечен как experimental.
• Отдаёт Prometheus-compatible metrics, если включить PROMETHEUS_MONITORING_ENABLED=true; по умолчанию endpoint доступен на <hostname>:2112/metrics.
• Пишет structured logs; сообщение Serving weaviate at ... в логах служит официальным признаком готовности сервера принимать запросы.
• Поддерживает ANN benchmarking с воспроизводимой методикой: в официальной документации и репозитории есть метрики Recall@10, Recall@100, QPS, mean latency, p99 latency и import time.
• Даёт Query Agent для natural-language search по коллекциям, но это Cloud-only функция.
• Для Kubernetes есть текущая документация по Helm: chart 17.8.3, требования — Kubernetes 1.23+ и Helm v3+.

Как использовать

Если вам нужно быстро понять, подходит ли Weaviate под RAG или векторный поиск в production, самый практичный путь — не начинать с маркетинговых демо, а поднять локальный пилот с метриками и сразу проверить качество поиска и наблюдаемость.

1. Поднимите Docker-инстанс по текущей документации. На момент проверки в docs указан image tag cr.weaviate.io/semitechnologies/weaviate:1.39.0. Документация отдельно предупреждает, что anonymous access не стоит оставлять вне development или evaluation.
2. Включите мониторинг через PROMETHEUS_MONITORING_ENABLED=true. Если стандартный порт неудобен, используйте PROMETHEUS_MONITORING_PORT.
3. Проверьте готовность сервера по логам. Когда вы видите Serving weaviate at ..., сервер считается готовым к запросам.
4. Проверьте метрики: откройте http://<hostname>:2112/metrics и убедитесь, что там есть weaviate_build_info. Это самый короткий тест, что Prometheus endpoint действительно работает.
5. Прогоните воспроизводимый benchmark через официальный репозиторий weaviate-benchmarking в Docker Compose и смотрите не только latency, но и Recall@10/Recall@100. Для задач RAG, retrieval и связанной explainability такой тест полезнее абстрактного «быстро/медленно».

PROMETHEUS_MONITORING_ENABLED=true
# optional:
PROMETHEUS_MONITORING_PORT=2112
# verify:
http://<hostname>:2112/metrics
# look for:
weaviate_build_info

Практический вердикт: для пилота и техоценки лучше всего начинать с Docker или Kubernetes, а не с бесплатного Cloud-кластера, если вам критична observability. В source pack отдельно указано, что metrics endpoint в Cloud входит только в paid plans.

Тарифы и ограничения

Ниже — то, что можно уверенно подтвердить по Weaviate Cloud. Для Docker, Kubernetes и Embedded Weaviate-hosted цена в source pack не указана: закладывайте отдельно расходы на compute, storage, сеть и ops.

План	Цена	Лимиты
Free Forever	$0/месяц	1 cluster на пользователя, 100,000 objects, 1 collection, до 3 tenants, 1 GB memory, 10 GB disk; кластер приостанавливается после 7 дней неактивности и удаляется после 30 дней; metrics endpoint в Cloud — только на paid plans.
Flex	от $45/месяц	Стоимость и лимиты зависят от cloud provider, региона, типа индекса и compression; в source pack указано ограничение по доступным регионам ниже, чем у Premium, и ориентир по региональности — до 7 регионов.
Premium	от $400/месяц	Dedicated-сценарий; цены также зависят от provider и региона; в source pack указан ориентир по доступности порядка 40 регионов для dedicated-размещений.

Проверено: 19.08.2026 по pricing page и документации создания кластера. Pricing page прямо оговаривает, что цены меняются по cloud provider и региону.

Важно по Query Agent: это Cloud-only функция, и по квотам в официальных страницах есть расхождения. В source pack зафиксировано, что pricing page говорит про Free to try — 1,000 requests/month и $30/organization в месяц с 4,000 requests included, тогда как docs также упоминают до 250 ask queries или 1,000 search queries в месяц. Для бюджета и сравнений обязательно перепроверьте live page перед покупкой.

Работа с данными и приватность

Что можно подтвердить по предоставленным источникам без догадок:

• Weaviate работает с вашими collections, objects и запросами к ним: это следует из официальных лимитов free tier по объектам, коллекциям и tenants, а Query Agent описан как natural-language search по коллекциям в Weaviate Cloud.
• Для self-hosted сценариев место хранения зависит от вашей инфраструктуры: Docker разворачивается на вашем хосте, Kubernetes требует PVC-capable storage, а Embedded завершает процесс вместе с клиентом, при этом datastore сохраняется.
• Для Cloud размещение зависит от выбранного cloud provider и региона; pricing page прямо предупреждает, что availability и pricing различаются по регионам.

Что не удалось подтвердить по source pack:

• Используются ли клиентские данные для обучения моделей в Weaviate Cloud.
• Официальный URL Privacy Policy: в предоставленном пакете источников его нет, поэтому ссылку здесь не привожу, чтобы не выдумывать.
• Единую политику retention, экспорта логов и шифрования для всех deployment-вариантов.

Практический вывод: если у вас жёсткие требования по приватности и аудиту, наиболее предсказуемый путь для первой оценки — Docker или Kubernetes в вашей инфраструктуре. Для Cloud перед production стоит отдельно проверить актуальную Privacy Policy и договорные условия вне этой карточки.

Плюсы и минусы

Плюсы

• Один продукт закрывает несколько сценариев: Cloud, Docker, Kubernetes и experimental Embedded.
• Есть понятная observability-база: structured logs, простой Prometheus endpoint и воспроизводимая проверка через weaviate_build_info.
• Официальный ANN benchmark открыт и воспроизводим: можно сравнивать не только latency, но и recall с понятной методикой.
• Query Agent добавляет natural-language поиск по коллекциям без отдельной интеграции, если вы уже используете Weaviate Cloud.

Минусы

• Embedded Weaviate прямо помечен как experimental, поддерживается только на Linux и macOS и доступен для Python и TypeScript clients.
• Документация предупреждает, что monitoring metrics могут меняться в minor-релизах, то есть names и labels не semver-stable.
• Бесплатный Cloud-кластер сильно ограничен по объектам, коллекциям, памяти и диску, а также приостанавливается и удаляется по неактивности.
• По Query Agent есть расхождения между pricing page и docs по квотам, поэтому бюджетирование требует ручной перепроверки.

Доступность и язык

• Платформы: Weaviate Cloud; self-hosted через Docker; Kubernetes через Helm chart 17.8.3 с требованиями Kubernetes 1.23+ и Helm v3+; Embedded на Linux и macOS через Python и TypeScript clients.
• Русский язык: в source pack нет официального подтверждения русской локализации интерфейса или документации.
• Доступность для РФ: в source pack нет официального статуса по работе без VPN, блокировкам оплаты или региональным ограничениям для РФ. Честный ответ здесь — не подтверждено.
• Способы оплаты: pricing page подтверждает наличие Cloud-тарифов, но конкретные методы оплаты в предоставленных источниках не перечислены. Для self-hosted вариантов отдельного Weaviate-hosted биллинга в source pack нет.

Если вам критична именно коммерческая доступность из РФ, эту часть нужно валидировать отдельно на live billing и договорных страницах. В рамках текущей карточки подтверждать больше нельзя.

Альтернативы

Если вы выбираете Weaviate не «вообще», а под конкретный стек RAG и векторного поиска, полезнее сравнивать его с прямыми конкурентами:

• Pinecone vs Weaviate: какую векторную БД выбрать — если вам важен managed-first сценарий и хочется понять, сколько ops вы готовы оставить провайдеру.
• Chroma vs Weaviate: что выбрать для RAG и векторного поиска — если у вас локальный прототип, notebook-сценарий или вы хотите менее тяжёлый старт.
• Qdrant vs Weaviate: что выбрать для RAG и векторного поиска — если вы сравниваете production-архитектуру, ops-сложность и поведение под реальной нагрузкой.

Короткий выбор редакции: берите Weaviate, если вам нужны разные способы развертывания и вы готовы сами проверять recall, latency и метрики. Если же для вас на первом месте минимальная неопределённость по квотам облачных AI-функций, Weaviate стоит сравнивать особенно внимательно.

Источники

• Weaviate Database | Weaviate Documentation
• Releases · weaviate/weaviate · GitHub
• Release Notes | Weaviate Documentation
• Monitoring | Weaviate Documentation
• Logging | Weaviate Documentation
• ANN Benchmark | Weaviate Documentation
• GitHub – weaviate/weaviate-benchmarking: Tools for various benchmarking scenarios · GitHub
• Query Agent | Weaviate Documentation
• Vector Database Pricing | Weaviate
• Create a cluster | Weaviate Documentation
• Docker | Weaviate Documentation
• Kubernetes | Weaviate Documentation
• Embedded Weaviate | Weaviate Documentation
• A Comprehensive Empirical Evaluation of Vector Database Systems for Approximate Nearest Neighbor Search: Performance, Quality, and Resource Trade-offs

Вопросы и ответы

Можно ли использовать Weaviate без Weaviate Cloud?

Да. В официальной документации указаны Docker, Kubernetes и Embedded. Embedded при этом помечен как experimental и поддерживается на Linux и macOS через Python и TypeScript clients.

Какая версия Weaviate актуальна на момент проверки?

На GitHub latest release — v1.39.0 от 04.08.2026. Официальные release notes рекомендуют использовать последний стабильный patch в текущем minor и поддерживают последние три minor-версии.

Как быстро проверить, что monitoring реально работает?

Включите PROMETHEUS_MONITORING_ENABLED=true, дождитесь лога Serving weaviate at ..., затем откройте <hostname>:2112/metrics и проверьте наличие weaviate_build_info. Учтите, что docs отдельно предупреждают о возможных изменениях names и labels метрик между minor-релизами.

Сколько стоит Weaviate Cloud?

На 19.08.2026 pricing page показывает Free Forever — $0/месяц, Flex — от $45/месяц и Premium — от $400/месяц. Цены зависят от cloud provider и региона, а lower tiers имеют ограничения по региональности.

Можно ли заранее точно заложить бюджет на Query Agent?

Не без перепроверки live pages. В source pack зафиксировано, что pricing page и docs расходятся по квотам Query Agent, поэтому для закупки или сравнения тарифов этот раздел нужно перечитать отдельно непосредственно перед решением.