Windows11安装PostgreSQL16和PgVector完整教程

一、前言

1. 向量数据库

大模型、AI检索、智能推荐、图文匹配……这些业务的快速落地，让向量检索成了技术架构里绕不开的一环。文本、图片、音频、视频这些非结构化数据，统统通过Embedding模型转成多维向量，业务再靠向量相似度来完成匹配、搜索、聚类之类的操作。传统的关系型数据库根本扛不住海量向量的相似度计算，于是专用向量数据库就冒出来了。但单独部署一套向量库，运维成本、数据同步成本、架构复杂度都会飙升。所以，基于传统数据库扩展来实现向量能力的方案，凭借低侵入、易集成、能复用原有生态这些优势，成了中小型项目、个人开发、企业内部系统的首选。

2. PgVector 应用场景

PgVector是PostgreSQL生态下的一款向量扩展，它把关系型数据库的事务能力跟向量检索能力完美地揉在了一起。典型的应用场景包括这些：

1. AI语义检索：知识库、问答系统、文档检索，文本向量化后做语义匹配；
2. 多媒体检索：图片、音频、视频存成向量，实现以图搜图、相似音视频查找；
3. 个性化推荐：用户行为、内容特征都向量化，完成商品、内容的智能推荐；
4. 数据分析与聚类：用户分群、内容归类、异常检测这类向量聚类场景；
5. 混合查询业务：同时需要结构化数据查询 + 向量相似度检索的混合业务，不用拆分多套存储，一个库搞定。

这篇文章基于Windows 11系统，搭配主流的PostgreSQL 16版本，手把手带你完成PgVector的安装、配置和功能验证。适合开发、测试、学习环境使用，要是生产环境，建议切换到Linux部署，稳定性更好。

二、关于 PgVector

1. PgVector 是什么

PgVector是一个开源的PostgreSQL扩展插件，由 ankane 团队维护，它原生给PostgreSQL加上了向量数据类型和向量检索能力。不改PostgreSQL本身的结构，以扩展的形式运行，兼容PostgreSQL的完整生态（事务、索引、JOIN、备份恢复、权限管理这些）。目前支持多个PostgreSQL版本和主流操作系统，提供源码编译、容器、包管理等多种部署方式，是Postgres体系里用得最广的向量检索扩展。

2. PgVector 可以做什么

1. 多类型向量存储：支持普通浮点向量、半精度向量、二进制向量、稀疏向量，适配不同精度和存储需求；
2. 丰富距离算法：内置L2距离、内积、余弦距离、L1距离、汉明距离、杰卡德距离，覆盖绝大多数相似度计算场景；
3. 双层检索模式：支持精确检索（百分百召回）和近似最近邻检索（牺牲少量召回换极致速度）；
4. 专业向量索引：提供HNSW、IVFFlat两大主流向量索引，能应对千万级甚至亿级向量数据的检索优化；
5. 全量SQL兼容：用标准SQL完成向量的增删改查、条件过滤、聚合计算，学习成本极低；
6. ACID事务保障：继承PostgreSQL的事务特性，向量数据同样支持事务、回滚、并发控制，数据安全性更高。

简单说就是：有了PgVector，你的PostgreSQL就能直接当成「关系型数据库 + 向量数据库」二合一存储来用。为什么要提基于PG生态的方案？因为很多中小企业，存储和计算都放在数据库里，技术储备的同学不多，得尽量精简技术栈、降低运维难度。熟悉PostGIS的人都知道，GIS扩展也是基于PG的，很多业务都可以围绕PostGIS来开展。

三、Windows11 环境下安装详解

先看下开发环境，用的是Windows 11 64位操作系统。设备硬件信息如下：

如果你的开发环境是Linux，那这部分看到这里就可以跳过了。言归正传，下面继续深入讲解PgVector的安装。

1. 安装方式汇总

一般来说，PgVector主要有4种安装方案，可以根据自己的环境来选：

1. 源码编译安装：Linux、Mac、Windows通用，自由度最高，可以自定义版本，这篇文章重点讲Windows下的源码编译；
2. Docker容器部署：一键拉起集成Postgres + PgVector的镜像，适合快速体验和测试环境；
3. 包管理器安装：Linux发行版、macOS可以通过APT、YUM、Homebrew直接安装，Windows支持conda安装；
4. 云托管服务：各大云厂商的托管PostgreSQL服务大多已经预装了PgVector，不用手动部署。

对于Windows 11本地开发和调试的场景，这里用最简单的方法——使用预编译的版本安装。

2. 前置环境准备

（1）安装 PostgreSQL 16

首先确保系统已经安装了PostgreSQL 16，根据环境需要也可以安装更高的版本。步骤简述：

1. 前往PostgreSQL官网下载Windows安装包（PostgreSQL 16.x）；
2. 双击安装，自定义安装路径（本文默认路径：D:Program FilesPostgreSQL16），设置超级管理员postgres的密码；
3. 保持默认端口5432，完成安装，启动PostgreSQL服务。

关键记录：PostgreSQL根目录PGROOT=D:Program FilesPostgreSQL16，后续编译需要用到。

2. 安装 PgVector

这里用一种简单的方法来安装PgVector——当然，你也可以选择自定义编译的方式。如果只是为了学习和使用PgVector，参考本文的预编译安装方法就够了。

• 下载Windows预编译文件

在浏览器中输入下面的地址，可以找到已经编译好的PgVector版本：

https://github.com/andreiramani/pgvector_pgsql_windows/releasespage=1

• 下载适配PostgreSQL 16版本的PgVector（本文使用稳定版v0.8.2）

https://github.com/andreiramani/pgvector_pgsql_windows/releases/tag/0.8.2_16.1

需要注意，下载时要根据本地实际环境和软件版本来选择对应版本。

• 解压文件

• 覆盖PG16安装目录

将上面解压出来的文件夹（除了readme.txt）都复制到PG16的安装目录下，复制过去之后选择覆盖所有。

3. 重启 PostgreSQL 服务

安装完成后，重启PostgreSQL服务让扩展生效：

1. 按下Win + R输入services.msc打开服务列表；
2. 找到postgresql-x64-16服务，右键重启。

四、PgVector 功能测试

这一节通过标准SQL走一遍「创建数据库 → 启用扩展 → 建表 → 插入向量 → 相似度检索」的完整流程，验证前面PgVector的安装环境是否可用。

1. 连接 PostgreSQL

随便用一个客户端连接（PostgreSQL自带的psql、DBea ver、Na vicat、pgAdmin都行），这里以Na vicat 17为例：

2. 创建测试数据库

-- 创建向量测试库
CREATE DATABASE hydromind_db;

3. 启用 PgVector 扩展

每个数据库都需要单独执行一次启用命令：

CREATE EXTENSION IF NOT EXISTS vector;

执行没有报错，说明PgVector扩展加载成功。

4. 基础实例测试

（1）创建带向量字段的数据表

创建一张测试表，包含自增主键和一个3维向量字段：

-- 创建测试数据表
CREATE TABLE sample_vectors (
    id SERIAL PRIMARY KEY,
    embedding VECTOR(3),
    description TEXT
);

（2）插入向量数据

向量以数组格式写入：

-- 插入示例向量数据
INSERT INTO sample_vectors (embedding, description)
VALUES ('[1,2,3]', '简单向量示例'),
       ('[4,5,6]', '另一个测试向量');

（3）余弦距离查询

演示另一种常用的相似度算法（余弦距离）：

-- 执行向量相似性搜索测试
SELECT id, description, embedding <-> '[3,1,2]' AS distance
FROM sample_vectors
ORDER BY distance
LIMIT 3;

以上SQL全部正常执行并返回结果，说明PostgreSQL 16 + PgVector 0.8.2 在 Windows 11 环境下的部署完成了。

五、总结

1. 本文基于Windows 11 + PostgreSQL 16，使用预编译安装的方式完成了PgVector的部署，适配本地开发、学习、测试场景，步骤完整且可落地；
2. PgVector作为Postgres生态的向量扩展，兼顾了关系型数据库的稳定性和向量检索的能力，能大幅简化AI检索类项目的架构和运维；
3. 基础测试只演示了向量的增查和基础距离算法，后续可以进一步探索HNSW/IVFFlat向量索引、高维向量、混合条件查询等高级用法。

如果是生产环境，建议优先考虑Linux部署或Docker容器化方案；个人学习、本地调试，Windows这套方案完全够用。行文仓促，定有不足之处，欢迎各位朋友在评论区批评指正，不胜感激。