Три базы данных в одном контейнере. Как собрать аналитический стек
Локальный ИИ-проект требует мощного фундамента из реляционной, аналитической и векторной баз данных. Собрать такой стек в Docker можно за один вечер, если знать нюансы настройки.
Для пет-проектов на стыке классического SQL и семантического поиска облачные решения обходятся слишком дорого. Автор статьи на Хабре предлагает собирать полный аналитический стек локально с помощью одного файла docker-compose.yml. В состав стека входят PostgreSQL для транзакций, ClickHouse для аналитики и Qdrant для векторного поиска. Все данные хранятся на томах WSL, что позволяет избежать счетов за простаивающие облачные инстансы.
Настройка требует внимания к деталям, которые часто упускают в стандартных инструкциях. Для PostgreSQL важно использовать healthcheck через команду pg_isready, чтобы другие сервисы не пытались подключиться к еще не инициализированной базе.
Для ClickHouse необходимо вручную увеличить лимиты на количество открытых файлов (nofile), иначе при нагрузке возникнут ошибки. В случае с Qdrant важно пробрасывать два порта: 6333 для веб-интерфейса и 6334 для gRPC, иначе Python-клиенты не смогут работать.
При работе с Docker в среде WSL есть риск потерять данные. Автор советует хранить базы внутри файловой системы Ubuntu, а не на дисках Windows, чтобы избежать проблем с производительностью и записью. Еще одна ловушка касается путей в PostgreSQL 18.
Каталог данных теперь находится по адресу /var/lib/postgresql. Если использовать старые пути из гайдов, данные могут записываться в пустое место и исчезнуть при пересоздании контейнера.
Для локальной разработки такой стек заменяет облачные базы. Если вы собираете ИИ-агентов или чат-ботов, настройка этих трех компонентов станет фундаментом для работы с данными.
Текст подготовила языковая модель по материалам источников.
