Base vectorielle à l'échelle d'un milliard prête pour la production — Elasticsearch
La base de données vectorielle open source d'Elasticsearch offre un moyen efficace de créer, de stocker et de rechercher des plongements vectoriels.
Associez la recherche textuelle à la recherche vectorielle pour bénéficier de la récupération hybride et ainsi obtenir les meilleures fonctionnalités assurant une précision et une pertinence optimisées.

Découvrez les dernières innovations qui font d'Elasticsearch et de Lucene le meilleur choix pour les bases de données vectorielles.
Lire l'articleApprenez à utiliser Elasticsearch comme base de données vectorielle pour les plongements, alimenter la recherche et créer des cas d'utilisation tels que la génération augmentée de récupération (RAG), la synthèse et les questions-réponses.
Découvrez-en plus sur Search LabsElastic est le premier à offrir une meilleure quantification binaire (BBQ), une optimisation pour les bases de données vectorielles avec une recherche vectorielle plus rapide et plus précise et une réduction de la mémoire de 95 %.
En savoir plus sur le BBQElasticsearch : la base de données vectorielle la plus déployée au monde
Copiez pour essayer localement en deux minutes
curl -fsSL https://elastic.co/start-local | sh
Une base vectorielle est votre point de départ…
Vous avez besoin de bien plus qu'une base vectorielle pour obtenir une formidable expérience de recherche. Elasticsearch propose plusieurs types de recherche, des modèles de Machine Learning flexibles et des fonctionnalités de recherche avancées telles que l'agrégation, le filtrage et l'auto-complétion.
Exécutez dans le cloud, sans serveur, sur site ou en mode air gap.
Utilisez un modèle de Machine Learning et appliquez-le à vos données au moment de l’ingestion.
En savoir plus sur l'API d'inférence & E5 model.
PUT _inference/text_embedding/my-e5-endpoint { "service": "elasticsearch", "service_settings": { "num_allocations": 1, "num_threads": 1, "model_id": ".multilingual-e5-small" } }
PUT _inference/text_embedding/my-e5-endpoint
{
"service": "elasticsearch",
"service_settings": {
"num_allocations": 1,
"num_threads": 1,
"model_id": ".multilingual-e5-small"
}
}
Base de données vectorielle d'un rang supérieur
Choisissez une base de données vectorielle en fonction de l'expérience de recherche vectorielle que vous souhaitez développer.
Autres bases de données vectorielles
Elasticsearch
Stockage des plongements
Prise en charge complète
Prise en charge complète (gratuite)
Génération de plongements
Prise en charge partielle
Prise en charge complète (payante)
Recherche des plongements
Prise en charge complète
Prise en charge complète (gratuite)
Recherche avec l'algorithme BM25
Prise en charge partielle
Prise en charge complète (gratuite)
Recherche hybride (algorithme BM25 + vecteurs)
Prise en charge complète
Prise en charge complète (gratuite)
Filtrage, recherche à facettes, agrégations
Prise en charge complète
Prise en charge complète (gratuite)
Recherche avec saisie semi-automatique
Aucune prise en charge
Prise en charge complète (gratuite)
Optimisation pour plusieurs types de données (textuelles, vectorielles, géographiques)
Prise en charge partielle
Prise en charge complète (gratuite)
Prise en charge pour plusieurs modèles de plongement
Prise en charge complète
Prise en charge complète (payante)
Modèle de recherche sémantique intégré
Aucune prise en charge
Prise en charge complète (payante)
Pipelines d'ingérence des données
Prise en charge partielle
Prise en charge complète (payante)
Outils d'ingestion (robot d'indexation*, connecteurs*, framework d'API, Beats, Fleet, agents)
Prise en charge partielle
Prise en charge complète (*payante)
Sécurité au niveau du champ et du document
Aucune prise en charge
Prise en charge complète (payante)
Outils d'observabilité (Kibana)
Aucune prise en charge
Prise en charge complète (gratuite)
Composants de l'interface utilisateur de recherche
Aucune prise en charge
Prise en charge complète (gratuite)
Requêtes canalisées - ES|QL (bientôt disponible)
Aucune prise en charge
Prise en charge complète (gratuite)
Elasticsearch — en action
Découvrez comment les organisations créent des applications de recherche IA pour améliorer l'expérience client et aider les utilisateurs à trouver exactement ce qu'ils recherchent.
Témoignage client
Reed, le plus grand recruteur du Royaume-Uni, réunit les chercheurs d'emploi et les employeurs à l'aide d'intégrations vectorielles dans Elasticsearch.
Témoignage client
Stack Overflow associe la puissance des experts humains à l'IA générative pour accélérer la recherche d'informations fiables dans les bases de connaissances des développeurs.
Témoignage client
Adobe scale, gère plusieurs cas d'utilisation et met les fonctionnalités de Machine Learning au service d'Elastic.
Premiers pas avec l'implémentation de la recherche vectorielle
Articles de blog
Webinars
Projets de démonstration
Questions fréquentes
Une base vectorielle stocke les informations sous forme de vecteurs, qui sont des représentations numériques d'objets de données, également appelées plongements vectoriels. Elle utilise des plongements vectoriels pour la recherche multimodale dans un ensemble massif de données structurées, non structurées et semi-structurées, telles que des images, du texte, des vidéos et des fichiers audio. Les bases vectorielles sont conçues pour gérer les plongements vectoriels, et ainsi offrir une solution complète pour la gestion des données.
Les plongements vectoriels s'appuient sur un modèle de Machine Learning pour traduire le texte en chiffres, ce qui vous permet d'effectuer des recherches vectorielles. En convertissant les données en vecteurs, les plongements facilitent la comparaison, la recherche et l'analyse des similitudes entre les éléments de cet espace.
Une base vectorielle offre une efficacité à grande échelle en permettant une migration transparente des données dans les environnements sur site et cloud et en fournissant un stockage pour les plongements vectoriels. Les bases vectorielles excellent dans la recherche de similarités, vous permettant de trouver facilement des éléments apparentés, ce qui est essentiel pour les systèmes de recommandation, la recherche d'images et la découverte de contenu. Grâce à leurs capacités de recherche sémantique, elles vont au-delà de la simple correspondance de mots clés pour fournir des résultats basés sur le sens et le contexte. En stockant les intégrations vectorielles, elles prennent en charge les applications d'IA et de Machine Learning, facilitant ainsi le déploiement de modèles de NLP et de recommandation.
Oui, Elasticsearch est la base vectorielle open source la plus déployée au monde. Elle vous offre un moyen efficace de créer, de stocker et de rechercher des plongements vectoriels à grande échelle. Avec la base de données vectorielle d'Elastic, prête pour l'entreprise, vous obtenez des temps de requête rapides et des performances optimales, même avec des données qui changent rapidement. Conçu pour scaler, elle fournit des résultats de recherche pertinents et personnalisés tout en simplifiant les processus de développement.
Elastic offre tous les avantages d'une puissante base vectorielle, ainsi qu'une sécurité intégrée, une conformité réglementaire et une haute disponibilité. Avec plus de dix ans d'expertise dans le domaine de la recherche, Elastic garantit une pertinence de recherche de premier ordre et des options de déploiement flexibles. En tant que plateforme unifiée, Elastic minimise la prolifération des outils et la dette technique tout en fournissant des réponses précises avec des citations de sources claires.