要看明白 Chroma 在磁盘上到底存了些什么，可以使用 PersistentClient 建个本地持久化库，然后塞点数据，观察目录结构。
例如：
import chromadb
client = chromadb.PersistentClient(path="./chroma_data")
col = client.get_or_create_collection("notes", embedding_function=None)
col.add(ids=["id1", "id2", "id3"],
embeddings=[[1, 0, 0], [0, 1, 0], [0, 0, 1]],
documents=["a", "b", "c"])运行示例，我本机实测后，当前目录下面多了一个 chroma_data 数据，结构如下图：
其中：
chroma.sqlite3：元数据库。存集合定义、记录 id、metadata、写入日志（WAL）。用 sqlite 打开（也可以使用其他工具，如 DBeaver）能看到如下图的这些表
其中：
| 表 | 作用 |
| collections | 集合定义，含 name、dimension、config_json_str，如下图： |
| segments | 段（segment）定义，分 VECTOR 段和 METADATA 段 |
| embeddings | 记录 id 到段的映射 |
| embedding_metadataembedding_metadata_array | metadata 的标量值和数组值 |
| embeddings_queue | 写前日志（WAL），还没落进索引的写入 |
| embedding_fulltext_search* | SQLite FTS5 的虚表，给 where_document 用 |
| max_seq_idmigrations | 序列号和迁移记录 |
e9024eb6-2b34-42e9-932f-a02cff6af50a：这就是集合的 UUID，里面是 HNSW 索引的二进制文件（header.bin 存元信息，data_level0.bin 存第 0 层的向量，link_lists.bin 存图的连接关系）。
为什么要了解磁盘存储结构？理解磁盘结构对下面两件事有用：
备份：直接拷整个目录就行，但要在没有写入的时候拷，或者用 chroma vacuum 先整理（第 10 章）。
排查：chroma.sqlite3 可以直接用 sqlite 打开看，查集合配置、查记录数都很方便，比写代码快。
sqlite3 chroma_data/chroma.sqlite3 "SELECT id, name, dimension FROM collections;"Chroma 的写入是“先写日志，再异步建索引”：
add 调用返回时，数据已经进了 SQLite 的 embeddings_queue（WAL）
后台线程把 WAL 里的向量批量刷进 HNSW 索引，刷的时机由 sync_threshold 控制（默认累计 1000 条）
查询时会同时查索引和 WAL，所以不会出现"刚写进去查不到"
所以你不用担心一致性问题，add 返回后立刻 query 一定能查到。
但要知道 WAL 里的数据走的是暴力扫描，WAL 堆太多会拖慢查询 —— 批量灌完数据之后，可以等一会儿或者重启一下让它刷完。
川公网安备51010802032098