← 返回 AI 开源导航

Elasticsearch

LLM 推理与部署

GitHub 仓库

一、项目简介

Elasticsearch 是成熟的开源搜索与分析引擎，除经典关键词检索外，现已支持向量字段（dense_vector）与 kNN 检索，可实现「关键词 + 向量 + 过滤」的混合搜索，是企业级检索系统的常青方案。

二、核心特性

  • 混合检索：BM25 关键词 + kNN 向量 + 结构化过滤；
  • 大规模分布式：分片、副本、横向扩展；
  • 丰富聚合：统计分析与仪表盘；
  • 成熟生态：监控、告警、权限、备份方案齐全；
  • 向量支持：dense_vector 字段与近似最近邻检索。

三、适用场景

  • 企业级全文检索与日志分析；
  • 需要关键词与向量混合的 RAG 检索；
  • 已有 ES 集群、希望复用其能力。

四、快速上手

docker run -p 9200:9200 -e "discovery.type=single-node" elasticsearch:8.15.0
# 建索引时定义 dense_vector 字段，查询用 knn

五、注意事项

  • 资源占用（内存/磁盘）较大，需合理规划；
  • 向量检索调优（分片、段合并）有门槛；
  • 注意版本间 API 差异与许可变化。