Die weltweit am häufigsten verwendete Vektordatenbank – Elasticsearch

Die Vektordatenbank von Elasticsearch bietet Ihnen eine effiziente Möglichkeit, Vektoreinbettungen in großem Stil zu erstellen, zu speichern und für die Suche zu nutzen.

Kombinieren Sie Textsuche und Vektorsuche für hybrides Retrieval, um das Beste aus beiden Welten zu erhalten und für mehr Relevanz und eine größere Genauigkeit zu sorgen.

Video thumbnail

Discover the latest innovations that make Elasticsearch and Lucene the top choice for vector databases.

Read blog

Learn to use Elasticsearch as a vector database for embeddings, powering search and building use cases like retrieval augmented generation (RAG), summarization, and QA.

Discover more on Search Labs

Elastic is the first to offer better binary quantization (BBQ), an optimization for vector databases with faster, more accurate vector search and 95% memory reduction.

Learn more about BBQ

Elasticsearch — the most widely deployed vector database

Kopieren Sie, um es in zwei Minuten lokal auszuprobieren

curl -fsSL https://elastic.co/start-local | sh
Dokumentation lesen
OR

Eine Vektordatenbank ist nur der Ausgangspunkt …

Für ein tolles Sucherlebnis braucht es mehr als eine Vektordatenbank. Elasticsearch bietet eine komplette Vektordatenbank, mehrere Retrieval-Arten (Text, dünnbesetzter und dichtbesetzter Vektor, hybrid) und flexible Unterstützung von Machine-Learning-Modell-Architekturen.

Erstellen Sie eigene Sucherlebnisse mit Aggregationen, Filterung, Facettierung und automatischer Vervollständigung. Führen Sie Suchen in der Cloud, on-prem oder in einer Air-Gap-Umgebung aus.

  • Einbettungen erstellen

    Erfassen Sie die Bedeutung, den Kontext und Verknüpfungen von Daten in dichtbesetzten Vektoren und profitieren Sie von der Flexibilität bei der Auswahl von Einbettungsmodellen. Nutzen Sie beim Indexieren von Daten Machine-Learning-Inferenz.

  • Speichern von Einbettungen

    Der Vektorspeicher von Elasticsearch basiert auf HNSW von Lucene. Die Herangehensweise funktioniert bei vergleichenden Benchmarks (siehe luceneknn) für Vektorsuche-Algorithmen sehr gut.

  • Search-Einbindungen

    Führen Sie passende kNN-Suchen für Ihren Anwendungsfall aus: entweder ANN-Suchen mit dem HNSW-Index von Lucene (für die schnelle Suche in großen Datenbeständen) oder „Exact Match“-Suchen (wenn es auf die Genauigkeit ankommt).

  • Verfeinerung der Suchergebnisse mit Filtern und Facettierung

    Ein Framework mit einer Vielzahl von Filter- und Facettierungsfunktionen, die von Elasticsearch-Entwickler:innen genutzt werden, verfügbar für die Vektorsuche.

  • Kombinieren von Retrieval-Methoden mit hybrider Suche

    Mit Hybrid-Retrieval können Sie eine Kombination von Retrieval-Methoden wählen, die für Sie am besten geeignet ist: BM25, unser trainiertes Sparse-Modell (ELSER) und dichte Vektoren.

  • Anwendung von Security- und Compliance-Richtlinien auf Dokumentebene

    Richten Sie mit Security auf Dokument- und Feldebene granulare rollenbasierte Zugriffssteuerungen ein. Profitieren Sie von Unterstützung für verschiedenste weit verbreitete Compliance-Frameworks.

Was bringt mir eine Vektordatenbank?

  • Semantische Suche

    Konzentrieren Sie sich auf Intent und Kontextbedeutung und führen Sie Suchen durch, die über reine Textübereinstimmung hinausgehen.

  • Multi-modale Suche

    Durchsuchen Sie alle Ihre Daten – Text-, Vektor-, Bild-, Audio-, Video-, Geo- oder unstrukturierte Daten.

  • Generative-KI-Suche (GKI-Suche)

    Retrieval-augmentierte Generierung für GKI-Sucherlebnisse mit Vektor- und Hybridrelevanz

Auswahl einer Vektordatenbank

Wählen Sie die Vektordatenbank aus, die für das von Ihnen angestrebte Vektorsucherlebnis am besten geeignet ist.

Andere Vektordatenbanken
Elasticsearch
Einbettungen

Speichern von Einbettungen

vollständig unterstützt

vollständig unterstützt (kostenlos)

Einbettungen erstellen

teilweise unterstützt

vollständig unterstützt (kostenpflichtig)