部署最广泛的开源向量数据库

了解 Elasticsearch 为何成为标准。

向量数据库应该为 您做什么?

  • 向量搜索:上下文、意图、关系

    相似度搜索可以返回正确的结果——即使单词不太匹配。

  • 混合搜索:精准+灵活

    关键字搜索非常精确。向量搜索细致入微。混合搜索将两者结合在一起。

  • 稀疏向量与密集向量:快速且高效

    稀疏文本扩展和密集含义匹配非常适合开放、现实世界的搜索。

  • 筛选、排名、重新排序:与上下文的相关性

    筛选缩小范围,排序提取信号——两者皆非易事,但如果正确完成,便是极致愉悦。

Elasticsearch:不仅仅是向量,深受开发人员喜爱

没有差距或妥协——一切都协同工作,因为它就是以这种方式构建的

  • 了解一切的混合搜索

    Elasticsearch 的混合搜索将关键字、向量、地理数据、元数据以及更多内容融合在单个 API 调用中。按含义、精度和上下文对结果进行排名。

  • 分面搜索和筛选器,无延迟

    筛选器和分面搜索运行速度很快,即使是大规模运行也不会出现速度减慢,无需进行完整索引扫描。Elastic 将 aNN 检索与筛选器相结合,无论规模大小,都能创建正确的范围。

  • OpenAI、Anthropic、Hugging Face……所有原生

    推理 API 利用流行的 LLM 或内置模型执行原生推理,用于文本嵌入、分类、问答等,无需外部 ML 基础设施。

  • 更多向量。更少内存。无需取舍。

    更好的二进制量化 (BBQ) 最多可减少 95% 的内存占用,同时提供极高的准确性。优化的距离计算和 aNN 召回加速了大规模向量搜索。

  • 语义搜索,步骤更少

    semantic_text 字段可自动处理映射、嵌入和分块,在一次查询中提供真正无缝的密集检索。

  • 快速测试 RAG——无需设置

    停止猜测。AI Playground 允许您实时测试混合检索、相关性排名和分块策略,因此您可以放心地微调和传输经过测试的查询。

同类最佳?内置

与所有领先的 AI 产品进行原生集成,让应用运行得更快、更远

高品质社区

从提示到产品,这些组织都信任 Elastic 来构建下一代搜索

  • 客户聚焦

    Reed 是英国最大的招聘机构,它利用 Elasticsearch 中的向量嵌入将求职者和雇主联系起来。

  • 客户聚焦

    Stack Overflow 将人类专家的智慧与生成式人工智能相结合,加快了从开发人员知识 库中检索可靠信息的速度。

  • 客户聚焦

    Adobe 可以扩展、管理多种用例,并将机器学习功能与 Elastic 结合使用。

向量数据库超集

根据您想要打造的向量搜索体验来选择向量数据库。

其他向量数据库
Elasticsearch
采集、解析和索引

灵活的文档模型

部分支持

全面支持(免费)

安全存储(文档和字段级安全性)

部分支持

全面支持(免费)

处理结构化和非结构化数据

部分支持

全面支持(免费)

采集工具(客户端、网络爬虫*、连接器*、*推理管道*)

部分支持

全面支持(*付费)

实时文档和元数据更新

部分支持

全面支持(免费)

用于优化向量存储的语义文本

部分支持

全面支持(免费)

常见问题

什么是向量数据库?它是如何运作的?

向量数据库将信息存储为向量,向量是数据对象的数字表示,也称为向量嵌入。它利用向量嵌入技术,在海量结构化、非结构化和半结构化数据(如图像、文本、视频和音频)中进行多模态搜索。向量数据库专为管理向量嵌入而构建,因此可为数据管理提供完整的解决方案。