Banco de dados vetorial

Clustering não supervisionado de documentos com Elasticsearch + embeddings Jina

Uma abordagem prática e reproduzível para clustering não supervisionado de documentos com Elasticsearch e embeddings Jina.

Clustering não supervisionado de documentos com Elasticsearch + embeddings Jina
Quando o TSDS encontra o ILM: projetando fluxos de dados de séries temporais que aceitam dados tardios

Quando o TSDS encontra o ILM: projetando fluxos de dados de séries temporais que aceitam dados tardios

Como os limites de tempo do TSDS interagem com as fases do ILM e como projetar políticas que tolerem métricas atrasadas.

Do LINQ para ES|QL: escreva C# e consulte o Elasticsearch

Do LINQ para ES|QL: escreva C# e consulte o Elasticsearch

Explorando o novo provedor LINQ para ES|QL no cliente Elasticsearch .NET, que permite escrever código C# que é automaticamente traduzido para consultas ES|QL.

Rapidez x precisão: medindo o recall da busca vetorial quantizada

20 de março de 2026

Rapidez x precisão: medindo o recall da busca vetorial quantizada

Uma explicação de como medir o recall para busca vetorial no Elasticsearch com configuração mínima.

Terminação adaptativa precoce para HNSW no Elasticsearch

Terminação adaptativa precoce para HNSW no Elasticsearch

Introdução de uma nova estratégia adaptativa de terminação antecipada para HNSW no Elasticsearch.

A busca vetorial do Elasticsearch é até 8 vezes mais rápida que a do OpenSearch

25 de fevereiro de 2026

A busca vetorial do Elasticsearch é até 8 vezes mais rápida que a do OpenSearch

Explorando os benchmarks de busca vetorial filtrada do OpenSearch x Elasticsearch e por que o desempenho de busca vetorial é fundamental para sistemas de engenharia de contexto.

Indexação Vetorial Até 12x Mais Rápida no Elasticsearch com NVIDIA cuVS: Aceleração por GPU - Capítulo 2

3 de dezembro de 2025

Indexação Vetorial Até 12x Mais Rápida no Elasticsearch com NVIDIA cuVS: Aceleração por GPU - Capítulo 2

Descubra como o Elasticsearch alcança uma taxa de indexação quase 12x maior com indexação vetorial acelerada por GPU e NVIDIA cuVS.

Busca multimodal de picos de montanhas com Elasticsearch e SigLIP-2

Busca multimodal de picos de montanhas com Elasticsearch e SigLIP-2

Aprenda como implementar buscas multimodais de texto para imagem e de imagem para imagem usando embeddings SigLIP-2 e busca vetorial kNN do Elasticsearch. Objetivo do projeto: encontrar fotos do pico do Monte Ama Dablam tiradas durante uma trilha no Everest.

Melhorando a relevância de modelos de incorporação multilíngues com reclassificação de busca híbrida.

Melhorando a relevância de modelos de incorporação multilíngues com reclassificação de busca híbrida.

Aprenda como melhorar a relevância dos resultados de busca do modelo de incorporação multilíngue E5 usando o reranker do Cohere e a busca híbrida no Elasticsearch.

Pronto para criar buscas de última geração?

Uma pesquisa suficientemente avançada não se consegue apenas com o esforço de uma só pessoa. O Elasticsearch é impulsionado por cientistas de dados, especialistas em operações de aprendizado de máquina, engenheiros e muitos outros que são tão apaixonados por buscas quanto você. Vamos nos conectar e trabalhar juntos para construir a experiência de busca mágica que lhe trará os resultados desejados.

Experimente você mesmo(a)