Elasticsearch使用HNSW算法在每秒15,000个查询下实现0.99的召回率@10。通过量化技术，DiskBBQ在55,000 QPS下达到0.97的召回率，内存占用减少8倍。HNSW通过多层图结构提高查询效率，适合高维数据的近似最近邻搜索。量化方法如标量量化和产品量化进一步压缩内存，提升性能。

CockroachDB团队开发了C-SPANN向量索引，以满足分布式数据库的需求。该索引将向量视为普通表数据，支持实时更新和分片，避免了中心协调和大内存缓存的依赖。C-SPANN结合K均值树结构和增量更新技术，实现高效的近似最近邻搜索，适用于需要向量与事务数据共存的多租户应用。

Supabase Vector通过添加HNSW索引类型来提高速度。HNSW是一种用于高维空间的近似最近邻搜索算法，结合了分层和可导航小世界的概念。与IVF索引相比，HNSW具有更好的性能和准确性，并且可以在表创建后立即构建。IVFFlat索引在v0.5.0中也有改进，包括并行化和精度提升。根据内存限制和索引重建需求，可以选择使用HNSW或IVFFlat索引。

Supabase Vector将使用pgvector v0.5.0，添加了HNSW索引类型，用于近似最近邻搜索。HNSW结合了分层和可导航小世界的概念，通过跳表和多维距离度量实现搜索。HNSW性能优于IVFFlat，随数据库大小扩展。建议减少嵌入式维度。

Elastic 7.x 系列引入近似最近邻搜索，提升矢量搜索实用性。Elastic Security for Cloud 扩展安全功能，获得“领导者”称号。可观测性方面推出零检测 Universal Profiling™ 和改进监测体验。未来，无状态 Elasticsearch 将成为下一代 Elastic SaaS 产品基础，提升运维和性能。