Elasticsearch
基于Lucene的分布式搜索和分析引擎，广泛用于全文搜索、日志分析等场景
核心事实
时间轴 (近 90 天)
Winora 支持跨 pgvector、Elasticsearch、Milvus、Qdrant 等多种向量库检索，采用父子分块策略保留上下文语境
Milvus是目前应用最广泛的向量数据库，其他选择包括PostgreSQL（pgvector）、Redis、Elasticsearch等
传统关系型数据库和ES搜索引擎擅长精确匹配关键词，但无法理解自然语言问题背后的真实意图
Elasticsearch、ClickHouse、MongoDB 等主流数据系统陆续加入了向量索引支持
SereneDB同时兼容Postgres与Elasticsearch协议
在双系统架构中，全文检索与分析型查询之间通常需要ETL管道来同步数据，会引入数据延迟和一致性问题
根据官方公开基准测试，SereneDB在全文检索和分析场景中性能优于Elasticsearch、ClickHouse和Postgres搜索扩展
将搜索功能从主数据库剥离到独立搜索引擎会带来运维负担和数据同步一致性问题
生产环境的 Elasticsearch 通常需要配置独立的 Master 节点、Data 节点与 Ingest 节点，并手动规划分片数量，分片过多会拖慢查询，过少则限制写入吞吐
传统机器数据处理路径通常是使用 Elasticsearch/Splunk 等自托管方案（需管理索引分片扩容），或采样丢弃部分数据以压低成本
还有 14 条时间轴事件
全部知识事实 (20)
BM25仍是Elasticsearch、Lucene等主流搜索引擎的默认排序算法
75%待验证RAGFlow基于Docker容器化部署，启动后运行五个容器：Redis、MinIO、MySQL、Elasticsearch和RAGFlow Server
95%待验证RAGFlow依赖Elasticsearch（全文检索）、Redis（缓存）、MySQL（元数据存储）等多个服务
85%待验证iNaturalist的v1 API基于Elasticsearch构建，支持复杂的地理空间查询，单次请求最多返回200条记录并支持分页游标
85%待验证Spring Boot、MyBatis、Kafka、Elasticsearch等企业级框架构成了国内绝大多数互联网公司的技术底座
70%待验证BM25是Robertson等人在20世纪90年代提出的概率检索模型，是Elasticsearch等搜索引擎的核心排序算法
60%待验证Winora 支持跨 pgvector、Elasticsearch、Milvus、Qdrant 等多种向量库检索，采用父子分块策略保留上下文语境
50%待验证Milvus是目前应用最广泛的向量数据库，其他选择包括PostgreSQL（pgvector）、Redis、Elasticsearch等
50%待验证传统关系型数据库和ES搜索引擎擅长精确匹配关键词，但无法理解自然语言问题背后的真实意图
50%待验证Elasticsearch、ClickHouse、MongoDB 等主流数据系统陆续加入了向量索引支持
50%待验证在双系统架构中，全文检索与分析型查询之间通常需要ETL管道来同步数据，会引入数据延迟和一致性问题
50%待验证SereneDB同时兼容Postgres与Elasticsearch协议
50%待验证根据官方公开基准测试，SereneDB在全文检索和分析场景中性能优于Elasticsearch、ClickHouse和Postgres搜索扩展
50%待验证将搜索功能从主数据库剥离到独立搜索引擎会带来运维负担和数据同步一致性问题
50%待验证传统机器数据处理路径通常是使用 Elasticsearch/Splunk 等自托管方案（需管理索引分片扩容），或采样丢弃部分数据以压低成本
50%待验证Elasticsearch 虽支持动态映射，但当同一字段在不同日志中以不同类型写入时会触发 mapping conflict 错误，甚至导致数据丢失
50%待验证生产环境的 Elasticsearch 通常需要配置独立的 Master 节点、Data 节点与 Ingest 节点，并手动规划分片数量，分片过多会拖慢查询，过少则限制写入吞吐
50%待验证Databricks通过同时接入OpenAI、Anthropic、谷歌等多家顶级模型，强化其作为企业AI操作系统的定位
50%待验证在Elasticsearch中，FST被用于存储倒排索引的term字典
50%待验证Elasticsearch基于Java运行，最低推荐内存2GB，集群模式下通常需要3个以上节点才能保证高可用
50%