La base vectorielle open source la plus largement déployée

Découvrez pourquoi Elasticsearch est la norme.

Démarrez un essai gratuit

Nouveautés : BBQ

Que doit faire votre base de données vectorielle pour vous ?

Découvrez ce qu’est une base de données vectorielle

Recherche vectorielle : contexte, intention, relations
La recherche par similarité peut renvoyer les bons résultats, même lorsque les mots ne correspondent pas exactement.
Tutoriel pratique
Recherche hybride : précision + flexibilité
La recherche par mots-clés est précise. La recherche vectorielle est nuancée. La recherche hybride combine les deux approches.
Exemples de recherche hybride
Vecteurs clairsemés vs. denses : rapide et efficace
L’expansion de texte clairsemé et les correspondances sémantiques denses sont idéales pour des recherches ouvertes dans des cas concrets.
Types de classement des documents
Filtres, classement, reclassement : pertinence contextuelle
Les filtres réduisent le champ, le classement identifie le signal — deux tâches complexes, mais une vraie satisfaction lorsqu’elles sont bien exécutées.
Recherche kNN filtrée

Elasticsearch : plus que de simples vecteurs, apprécié des développeurs

Aucun oubli, aucun compromis — tout fonctionne ensemble, car cela a été conçu ainsi

Recherche hybride qui comprend tout
La recherche hybride d’Elasticsearch associe mots-clés, vecteurs, données géographiques, métadonnées et plus encore, dans un seul appel d’API. Classer les résultats par sens, précision et contexte.
Facettes et filtres, sans latence
Filtres et facettes rapides, même à grande échelle — sans ralentissements ni balayage complet des index. Elastic combine la récupération aNN avec des filtres pour définir le bon périmètre, quelle que soit l’échelle.
OpenAI, Anthropic, Hugging Face... tout est natif
Les API d’inférence exécutent des inférences natives avec des LLM populaires ou des modèles intégrés pour les représentations vectorielles, la classification, les questions-réponses, et bien plus encore — aucune infrastructure ML externe requise.
Plus de vecteurs. Moins de mémoire. Aucun compromis.
La quantification binaire optimisée (BBQ) réduit l’empreinte mémoire jusqu’à 95 % tout en offrant une grande précision. Des calculs de distance optimisés et une récupération aNN accélèrent la recherche vectorielle à grande échelle.
Recherche sémantique, en quelques étapes
Le champ de semantic_text gère automatiquement les correspondances, les représentations vectorielles et la segmentation — assurant une récupération dense fluide en une seule requête.
Tester RAG rapidement — aucune configuration requise
Ne devinez plus. L’AI Playground vous permet de tester des stratégies de récupération hybride, de classement par pertinence et de segmentation en temps réel, pour affiner et déployer en toute confiance des requêtes testées.

Optez pour un hébergement sur AWS, Azure ou Google Cloud — ou essayez le mode serverless et laissez Elastic s’occuper du reste.

Essayer dès maintenant Voir les tarifs

Un appel, c'est tout

Indexez, search, filtrez, appliquez RBAC — sur du texte, des intégrations, des données géographiques, des séries chronologiques ou des métadonnées.

Génération de plongements
Capturez le sens, le contexte et les associations en transformant les données en vecteurs denses. Créer un article sur les plongements
POST _inference/my-e5-endpoint { "input": "How many adult mallard ducks fit in an american football field?" }

Indexation de plongements

Le stockage vectoriel d'Elasticsearch est basé sur l'algorithme HNSW de Lucene, qui dépasse les benchmarks comparatifs (voir « luceneknn »).

Notre approche de la recherche vectorielle

PUT my-index
{
  "mappings": {
    "properties": {
      "my_vector": {
        "type": "dense_vector"
      },
      "my_text" : {
        "type" : "text"
      },
      "category": {
        "type": "text"
      }
    }
  }
}



# Index a document
PUT my-index/_doc/2
{
  "my_vector" : [
        0.018743202,
        -0.011059246,
   …
        0.05155631,
        0.04044561
      ],
  "my_text" :"57,000 average sized mallard ducks fit on an American football field",
"category" : "weird_stats"
}

Recherche des plongements

Exécutez la recherche kNN en fonction de votre cas d'utilisation - appliquez l'algorithme ANN pour la vitesse et l'échelle en utilisant l'index HNSW de Lucene ou la correspondance exacte.

Explorez ANN et KNN.

GET /my-index/_search
{
  "retriever": {
    "knn": { 
      "field": "my_vector", 
      "query_vector_builder":{
      "text_embedding": {
        "model_id": "my-e5-endpoint",
        "model_text": "How many adult mallard ducks fit in an american football field??"
      }
    }, 
      "k": 10, 
      "num_candidates": 10 
    }
  }
}

Utilisation de filtres et de la recherche à facettes pour affiner la recherche

Appuyez-vous sur le riche framework de fonctionnalités de filtrage et de recherche à facettes d'Elasticsearch disponibles pour la recherche vectorielle afin de créer des applications intuitives pour les utilisateurs finaux.

En savoir plus sur le filtrage kNN

En savoir plus sur la recherche à facettes

GET /my-index/_search
{
  "retriever": {
    "knn": {
      "field": "my_vector",
      "query_vector_builder":{
      "text_embedding": {
        "model_id": "my-e5-endpoint",
        "model_text": "How many adult mallard ducks fit in an american football field??"
      }
    }, 
      "k": 10,
      "num_candidates": 10,
      "filter": [
        {
          "term": {
            "category": "weird_stats"
          }
        }
      ]
    }
  }
}

Association de méthodes de récupération à la recherche hybride

Avec la récupération hybride, choisissez l'une des méthodes de récupération qui donnent les meilleurs résultats pour votre cas d'utilisation : BM25, le modèle d'encodeur clairsemé entraîné d'Elastic (ELSER), ou des vecteurs denses.

Regarder la vidéo sur la recherche hybride

GET /my-index/_search
{
  "retriever": {
    "rrf": {
      "retrievers": [
        {
          "standard": {
            "query": {
              "bool": {
                "filter": [
                  {
                    "term": {
                      "category": "weird_stats"
                    }
                  }
                ]
              }
            }
          }
        },
        {
          "knn": {
            "field": "vector",
            "query_vector_builder": {
              "text_embedding": {
                "model_id": "my-e5-endpoint",
                "model_text": "How many adult mallard ducks fit in an american football field??"
              }
            },
            "k": 10,
            "num_candidates": 10
          }
        }
      ],
      "rank_constant": 1,
      "rank_window_size": 50
    }
  }
}

Application de la sécurité au niveau du document et de l'autorisation de conformité
Attribuez des contrôles d'accès basés sur les rôles à l'aide de la sécurité au niveau du champ et du document. Bénéficiez de la prise en charge des frameworks de conformité les plus populaires.
Configurer les autorisations
Configurer la conformité
POST /_security/role/employee_role { "indices": [ { "names": [ "example-index" ], "privileges": [ "read" ], "field_security" : { "grant" : [ "state", "name.first", "name.last" ] } } ] } GET example-index/_search { "query": {...}, "knn" = {...}, "aggs": {...} }

POST _inference/my-e5-endpoint
{
  "input": "How many adult mallard ducks fit in an american football field?"
}

Le meilleur de sa catégorie ? Intégré

Intégrations natives à tous les principaux produits d'IA : pour que vos applications aillent plus loin, plus vite

Un voisinage de haute qualité

De l’idée au produit, ces organisations font confiance à Elastic pour concevoir la recherche de nouvelle génération

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.
En savoir plus
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.
En savoir plus
Témoignage client
Adobe scale, gère plusieurs cas d'utilisation et met les fonctionnalités de Machine Learning au service d'Elastic.
En savoir plus

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 vectorielles