Elastic Blog - Elasticsearch, Kibana, and ELK Stack
·
Elasticsearch和Kibana 8.16：Kibana获得上下文支持以及BBQ速度和节省！
💡
原文英文，约300词，阅读约需1分钟。
📝
内容提要
BBQ Elasticsearch推出了一种新算法，用于稠密向量的量化，显著提升查询延迟、排名质量和计算资源效率。该算法生成的预测向量比原始向量小，初始搜索使用预测向量，随后进行过采样和重排名，召回率超过90%，延迟优于其他方法，内存需求仅为HNSW的3%到5%。
🎯
关键要点
- BBQ Elasticsearch推出了一种新算法，用于稠密向量的量化。
- 该算法显著提升了查询延迟、排名质量和计算资源效率。
- 算法生成的预测向量比原始向量小，初始搜索使用预测向量。
- 通过过采样和重排名，召回率超过90%，延迟优于其他方法。
- 内存需求仅为HNSW的3%到5%，显著降低成本。
- 使用时需定义index_options为bbq_hnsw或bbq_flat，并使用script_score查询进行过采样和重排名。
- 该功能仍处于技术预览阶段，未来版本计划简化使用体验。
🏷️
标签
➡️
