Elasticsearch（簡稱ES）提供自研增強版和通用商業版兩大類型。自研增強版在開源基礎上深度最佳化，提供更強的效能和AI搜尋能力；通用商業版100%相容開源特性，免費提供官方白金版進階功能。您可以通過本文瞭解各版本的功能特性，選擇最適合您業務的ES版本。
自研增強版
阿里雲ES提供向量增強版和核心增強版兩種自研增強執行個體類型，在開源基礎上深度最佳化，提供更強的效能和AI搜尋能力。推薦優先選擇8.17版本（向量增強版）或7.10版本（核心增強版）。
對比項 | 向量增強版 | 核心增強版 |
支援版本 | 8.17、8.15版本 | 7.16、7.10、6.7版本 |
主要特點 |
|
|
適用情境 | 全部ES應用情境。 例如，資訊檢索、搜尋、日誌分析、向量檢索等情境。 | 全部ES應用情境。 尤其適用於：
|
使用者畫像 |
|
|
計費項目 | 按ES叢集節點規格、儲存空間、節點數計費。 | 按ES叢集節點規格、儲存空間、節點數計費。
|
通用商業版
所有阿里雲ES版本均100%相容Elasticsearch開源功能特性，並免費授權提供官方白金版進階特性（原X-Pack商業外掛程式）。阿里雲ES不同版本的開源特性變化如下：
9.3版本（最新推薦）
新增開源特性：
Agent Builder正式發布，可在Kibana中通過對話與Elasticsearch資料互動，支援構建AI智能問答應用，內建智能體等開箱即用能力。
Elastic Inference Service（EIS）擴充，支援Jina AI模型，進一步豐富推理服務的模型生態。
DiskBBQ支援直接從磁碟搜尋量化向量，無需將完整向量載入到記憶體，100MB記憶體下延遲可低於20毫秒。同時支援NVIDIA GPU加速向量化處理。
ACORN過濾向量搜尋演算法將過濾邏輯整合到HNSW圖遍曆中，過濾搜尋速度提升5倍，且不影響準確性。
基於Lucene 10構建，進一步提升索引壓縮率與倒排檢索效率。
LOOKUP JOIN正式發布，支援在ES|QL查詢管道中直接執行跨索引Join操作，進一步支援多欄位匹配、運算式運算及跨遠程叢集執行。
面向時序資料的ES|QL查詢效能顯著最佳化，延遲最多降低5倍，新增RATE、*_OVER_TIME、TBUCKET、TS等時間序列彙總命令。
Inline Stats支援多階段邏輯，可在保留行級詳細資料的同時，通過stats指令在管道中間進行彙總計算。
記憶體回收（GC）最佳化，針對高並發寫入情境下的記憶體抖動進行調優，提升系統穩定性。
Elasticsearch基於9.3推出最新版本。AI能力方面，Agent Builder支援在Kibana中構建智能問答應用，EIS推理服務新增Jina AI模型支援；向量搜尋方面，DiskBBQ與ACORN演算法大幅降低記憶體佔用並提升過濾搜尋效能，同時支援GPU加速；查詢分析方面，ES|QL新增LOOKUP JOIN跨索引關聯、Inline Stats多階段彙總及時序查詢最佳化，延遲最多降低5倍；底層引擎升級至Lucene 10，並最佳化了高並發情境下的GC穩定性。
更多變化，請參見What’s new in 9.x。
8.17版本
新增開源特性：
dense_vector（稠密向量）引入BBQ （Better Binary Quantization）的量化類型，向量索引可以實現32倍的記憶體壓縮，極大降低記憶體容量。
支援Inference API特性正式GA，詳細資料，請參見Inference APIs。
支援RRF（Reciprocal Rank Fusion）特性正式GA，詳細資料，請參見Reciprocal rank fusion。
logsdb的索引模式正式GA，日誌索引可以減少大概三倍儲存空間，詳細資料，請參見Logs data stream。
引入Elastic Rerank的內建模型，詳細資料，請參見Elastic Rerank。
best_compression的codec壓縮使用zstd，大概降低12%的儲存，提升14%的寫入輸送量。
ES|QL若干特性最佳化，支援全文檢索索引等，詳細資料，請參見ES|QL。
Elasticsearch 基於 8.17 推出最新版本增強版，內建模型服務靈活搭建AI搜尋應用，支援調用任意外部AI模型服務，通過BBQ （Better Binary Quantization）的量化，節省10倍以上記憶體成本。
更多變化，請參見What’s new in 8.17、What’s new in 8.16。
8.15版本
新增開源特性：
向量索引欄位最佳化。詳細資料，請參見dense-vector。
預設使用int8_hnsw類型替換hnsw，並預設開啟int8量化。
支援int4量化，可以節約8倍記憶體容量。
新增向量類型
bit。
使用SIMD指令加速aarch64架構int8量化索引的merge效能，merge效能提高了3倍左右。
支援rerank phase，支援了text_similarity_reranker使用rerank模型。詳細資料，請參見text-similarity-reranker-retriever。
增加retriever查詢文法，支援多路召回。詳細資料，請參見retriever。
增加semantic_text欄位類型，更方便的支援語義檢索。詳細資料，請參見semantic-text。
稀疏查詢使用sparse_vector文法替代text_expansion。詳細資料，請參見query-dsl-sparse-vector-query。
query rules API正式GA。詳細資料，請參見query-rules-apis。
Index Sorting支援包含nested欄位。詳細資料，請參見index-modules-index-sorting。
新增日誌情境的高效索引
logsdb。詳細資料，請參見logs-data-stream。Lucene版本升級到9.11，記憶體效率和查詢效能提升。詳細資料，請參見apache-lucenetm-9110-available。
更多變化，請參見What’s new in 8.15、What’s new in 8.14。
8.13版本
新增開源特性：
向量維度提高到4096。詳細資料，請參見4096 dimension dense vector。
向量索引支援Scalar Quantization特性，可降低接近75%的向量索引的記憶體。詳細資料，請參見scalar-quantization-in-lucene。
支援稀疏向量，增加sparse_vector類型。詳細資料，請參見Sparse vector。
支援單個shard的查詢並發。詳細資料，請參見Query parallelization。
向量欄位支援nested類型，可以將文檔切成段落後，對段落建立向量索引。詳細資料，請參見Multiple results from the same doc with nested vectors。
增加Learning To Rank功能，支援在restore階段對結果進行重排序。詳細資料，請參見Learning To Rank。
支援全新的inference API，可以整合外部模型服務。詳細資料，請參見inference APIs。
使用SIMD提升向量查詢效能。詳細資料，請參見Accelerating vector search with SIMD instructions。
更多變化，請參見What’s new in 8.13。
8.9版本
新增開源特性：
支援文本和向量召回結果混排。詳細資料，請參見Reciprocal rank fusion (RRF)。
向量最大維度提升到2048。詳細資料，請參見Increase max number of vector dims to 2048。
暴力檢索效能提升。詳細資料，請參見Improve brute force vector search speed。
KNN查詢支援多個欄位同時查詢。詳細資料，請參見Allow more than one KNN search clause。
內建ELSER模型。詳細資料，請參見ELSER inference integration。
穩定支援NLP分布式模型調度管理。詳細資料，請參見Make native inference generally available。
帶主鍵寫入效能提升。詳細資料，請參見主鍵最佳化。
常量Keyword欄位查詢效能提升。詳細資料，請參見Skip shards when querying constant keyword fields。
穩定支援時序資料流TSDS和降採樣Downsample功能。詳細資料，請參見TSDS和Downsample。
最佳化原文記憶體，去除ThreadLocal使用。詳細資料，請參見Remove uses of deprecated LeafReader。
更多變化，請參見What’s new in 8.9。
8.5版本
新增開源特性：
基於HNSW演算法實現向量相似性搜尋，詳細資料請參見k-nearest neighbor (kNN) search。
新增時序功能（TSDS），詳細資料請參見Time series data stream (TSDS)。
新增Geo grid查詢，詳細資料請參見Geo grid query。
簡化安全配置，詳細資料請參見Start the Elastic Stack with security enabled automatically。
改進Lucene壓縮演算法降低索引大小。
Range query效能增強。
支援lookup運行時欄位類型，詳細資料請參見lookup-runtime-fields。
實現random sampler彙總查詢，詳細資料請參見Random sampler aggregation。
降低Master和Data節點的堆記憶體消耗。
刪除_type，但是8.x會相容7.x的請求，相容方式請參見rest-api-compatibility。
索引保護，elastic使用者預設只能讀取ES內建索引。
更多變化，請參見Breaking changes in 8.5。
7.16版本
新增開源特性：
跨叢集搜尋支援SQL查詢。
ingest pipeline支援range類型豐富策略。
最佳化緩衝，提高查詢效能。
支援從Data Stream中添加和刪除索引。
在審計日誌中添加了叢集UUID和name資訊。
更多變化，請參見breaking changes in 7.16。
7.10版本
新增開源特性：
提高對儲存欄位的壓縮能力，降低儲存成本。
通過事件查詢語言（EQL）增強ES安全性。
search.max_buckets的預設值由10000增加到65535。
支援不區分大小寫查詢。通過將選擇性參數case_insensitive設定為true，實現不區分大小寫查詢。
更多變化，請參見Breaking changes in 7.10。
7.7版本
新增開源特性：
建立索引時，預設分區數由5個變為1個。
移除Mapping type，在定義索引Mapping和Template等時，無需指定type。詳細資料，請參見Removal of mapping types。
搜尋請求預設返回的總文檔數最多為10000。如果大於該值，ES只返回10000個文檔。詳細資料，請參見track_total_hits 10000 default。
單個資料節點預設最多隻能包含1000個shard，可通過cluster.max_shards_per_node參數配置。詳細資料，請參見Cluster Shard Limit。
Scroll對象總數量預設最多為500，可通過search.max_open_scroll_context參數配置。詳細資料，請參見Scroll Search Context。
父熔斷器以當前真實可用記憶體為基準（indices.breaker.total.use_real_memory），預設為JVM堆記憶體的95%，以最大記憶體可用率來避免記憶體溢出。詳細資料，請參見Circuit Breaker。
廢除_all欄位的支援，提升檢索效能。
新增間隔查詢（Intervals Queries），根據多字串在文本中出現的先後順序及距離檢索。
開啟審計日誌後，審計事件將持久儲存到<clustername>_audit.json主機檔案系統上，不支援索引方式輸出。詳細資料，請參見Enabling audit logging。
更多變化，請參見Breaking changes in 7.0。
6.x版本（6.7、6.8版本）
新增開源特性：
一個index只能有一個type，推薦使用_doc。
從6.6.0開始，新增索引生命週期管理ILM（Index Lifecycle Management），降低索引維護成本。
新增Rolling up historical data功能，實現歷史資料匯總。
從6.3開始，支援X-Pack SQL，支援SQL轉DSL語句，縮減DSL學習成本。
豐富了彙總函式，增加支援Composite、Parent和Weighted Avg函數。
更多變化，請參見Breaking changes in 6.0。
5.x版本（5.6版本）
新增開源特性：
一個index可以有多個type，支援自訂type。
摒棄了string欄位類型，由text或keyword代替。
index欄位的取值由not_analyzed或no變為true或false。
使用float代替double，降低儲存成本。
推出Java High Level REST Client替換TransportClient。
更多變化，請參見Breaking changes in 5.0。
相關文檔
您可以在執行個體的基本資料頁面查看執行個體類型和ES版本。具體操作，請參見查看執行個體基本資料。
購買阿里雲ES執行個體，請參見建立Elasticsearch執行個體。
評估ES使用規格和容量，請參見規格容量評估。