La base de datos de vectores más descargada del mundo: Elasticsearch

La base de datos de vectores de Elasticsearch te ofrece una forma eficiente de crear, almacenar y buscar incrustaciones de vectores a escala.

Combina la búsqueda de texto y la búsqueda de vectores para la recuperación híbrida, lo que resulta en lo mejor de ambas capacidades para mayor relevancia y precisión.

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 Q&A.

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

Copiar para probar localmente en dos minutos

curl -fsSL https://elastic.co/start-local | sh
Lee los documentos
OR

Una base de datos de vectores es tu punto de partida…

Necesitas más que una base de datos de vectores para una experiencia de búsqueda excelente. Elasticsearch incluye una base de datos de vectores completa, varios tipos de recuperación (texto, vector disperso y denso, híbrida) y tu preferencia de arquitecturas de modelo de machine learning.

Crea tu experiencia de búsqueda con agregaciones, filtrado y faceting, y autocompletar. Ejecuta tu búsqueda en el cloud, en las instalaciones o de forma aislada.

  • Generar incrustaciones

    Captura el significado, el contexto y las asociaciones de datos en vectores densos, con la flexibilidad para elegir los modelos de incrustación. Ejecuta la inferencia de machine learning a medida que indexas los datos.

  • Almacenar incrustaciones

    El almacenamiento de vectores de Elasticsearch se basa en HNSW de Lucene. El enfoque tiene buen rendimiento en evaluaciones comparativas (consulta luceneknn) respecto a los algoritmos de búsqueda de vectores.

  • Buscar incrustaciones

    Ejecuta la búsqueda de kNN según tu caso de uso; ANN para velocidad y escala usando el índice de HNSW de Lucene o coincidencia exacta para máxima precisión.

  • Usar filtros y faceting para refinar la búsqueda

    Un marco de trabajo enriquecido de capacidades de filtrado y faceting en el que se apoyan los desarrolladores de Elasticsearch, disponible para la búsqueda de vectores.

  • Combinar métodos de recuperación con búsqueda híbrida

    Con la recuperación híbrida, elige de una combinación de métodos de recuperación que funcionen para ti: BM25, nuestro modelo disperso entrenado (ELSER) y vectores densos.

  • Aplicar seguridad a nivel de documento y políticas de cumplimiento

    Asigna controles de acceso basado en roles granulares con seguridad a nivel de campo y documento. Debes saber que tienes cobertura en los marcos de trabajo de cumplimiento de amplia adopción.

¿Por qué usar una base de datos de vectores?

  • Búsqueda semántica

    Enfócate en la intención y el significado contextual, y busca más allá de la coincidencia de texto.

  • Búsqueda multimodal

    Busca en todos tus datos: texto, vectores, imágenes, audio, video, geográficos o datos no estructurados.

  • Búsqueda de AI generativa

    Generación aumentada de recuperación para una experiencia de búsqueda de GAI con relevancia híbrida y de vectores.

Superset de base de datos de vectores

Elige una base de datos de vectores basada en la experiencia de búsqueda de vectores que deseas crear.

Algunas bases de datos de vectores
Elasticsearch
Incrustaciones

Almacenar incrustaciones

soporte total

soporte total (gratis)

Generar incrustaciones

soporte parcial

soporte total (pago)