作者：来自 Elastic Chris Hegarty 及 Hemant Malik

由 NVIDIA cuVS 提供支持，此次合作旨在为开发者在 Elasticsearch 中的向量搜索提供 GPU 加速。

在 Elastic Engineering 组织内，我们一直致力于优化向量数据库的性能。我们的使命是让 Lucene 和 Elasticsearch 成为最优秀的向量数据库。通过硬件加速的 CPU SIMD 指令、引入新的向量数据压缩创新（Better Binary Quantization，简称 BBQ），以及进一步优化 BBQ 的算法以带来更大收益，同时加速 Filtered HNSW —— 总之，我们正在为开发者构建一个更快、更优、更高效的向量数据库，以帮助他们解决 RAG 相关问题！

在追求极致效率的过程中，我们也在探索这些有趣的计算芯片——NVIDIA GPU！（说真的，你不会没听说过吧？）。

当我们专注于性能优化时，需要解决多个问题：如何索引指数级增长的数据、如何高效检索数据、以及如何在涉及机器学习模型时优化整个流程。有了 GPU，你应该能够充分利用所有可能的优势。

在本文中，我们将深入探讨与 NVIDIA 向量搜索团队的合作，探索在 Elasticsearch 中实现 GPU 加速的向量搜索。这项工作为开发者在实际应用中结合 GPU 和 CPU 运行 Elasticsearch 提供了新的可能性。令人振奋的时代已经到来！

Elasticsearch：你好，GPU！

我们很高兴与大家分享，Elasticsearch 工程团队正在帮助构建开源 cuVS Java API，为开发者提供向量搜索算法的绑定接口。这项工作利用了我们在 Panama FFI 方面的经验。Elasticsearch 和 Apache Lucene 通过 NVIDIA cuVS API 在索引过程中构建图结构。好吧，我们说得有点快了，让我们稍微回顾一下。

NVIDIA cuVS 是一个开源 C++ 库，是此次合作的核心。它旨在通过 GPU 加速向量搜索，提高吞吐量、降低延迟，并加快索引构建时间。但 Elasticsearch 和 Apache Lucene 是用 Java 编写的，这如何实现呢？

这就是 lucene-cuvs 以及 Elastic-NVIDIA-SearchScale 合作的意义所在，我们正在将 GPU 加速的向量搜索引入 Lucene 生态系统，并探索其在 Elasticsearch 中的应用。在最近发布的 NVIDIA cuVS 25.02 版本中，我们新增了 cuVS 的 Java API。该 API 目前仍处于实验阶段，并将持续优化，但已经可供使用。也许你会问：Java 调用本地函数不是很慢吗？现在不再是问题！我们使用了新的 Panama FFI（外部函数接口）来绑定 cuVS，它能使 Java 到本地代码的调用开销降到最低。

我们已经在 Elasticsearch 和 Lucene 中使用 Panama FFI 一段时间了，它真的很棒！但是……总有个 “但是”，对吧？FFI 在不同 Java 版本上的可用性存在一定挑战。为了解决这个问题，我们将 cuVS API 编译到 Java 21，并将实现封装在一个面向 Java 22 的多版本 JAR 包中。这使得 cuVS Java 可以直接用于 Lucene 和 Elasticsearch。

好了，现在我们已经有了 cuVS Java API，接下来还需要什么？

两个算法的故事

Elasticsearch 目前支持 HNSW 算法来实现可扩展的近似 KNN 搜索。然而，为了充分利用 GPU 的性能，我们采用了另一种专为 GPU 高度并行计算设计的算法 —— CAGRA（CUDA ANN GRAph）。

在探讨如何为 CAGRA 添加支持之前，先来看一下 Elasticsearch 和 Lucene 如何通过 “编解码格式”（codec format）访问索引数据。它包括以下部分：

• 磁盘上的数据表示，
• 读写数据的接口，
• 处理 Lucene 段式架构的机制。

我们正在实现一种新的 KNN（k 近邻）向量格式，该格式在内部使用 cuVS Java API 在 GPU 上进行索引和搜索。然后，我们将此编解码类型与 Elasticsearch 的映射机制集成，使其成为索引中的一种字段类型。因此，无论底层索引使用的是 CAGRA 还是 HNSW 图，你的现有 KNN 查询都能继续正常工作。当然，这里省略了许多细节，我们计划在后续博客中详细介绍。以下是 GPU 加速 Elasticsearch 的高层架构图。

这种新的编解码格式默认使用 CAGRA，但同时支持将 CAGRA 图转换为 HNSW 图，以便在 CPU 上进行搜索。

索引与搜索：做出 “核心” 决策

在 Elasticsearch Serverless 的 stateless 架构下，索引与搜索被明确分离，各自承担独立的职责，使我们能够选择最优的硬件配置来满足不同需求。

我们预计用户会考虑两种主要的部署策略：

1. 在 GPU 上索引和搜索：在索引过程中构建 CAGRA 图，并在搜索时直接使用它 —— 适用于需要极低延迟搜索的场景。
2. 在 GPU 上索引，在 CPU 上搜索：在索引过程中构建 CAGRA 图，并将其转换为 HNSW 图。转换后的 HNSW 图存储在索引中，供后续 CPU 搜索使用。

这种灵活性支持不同的部署模式，在成本与性能之间提供平衡。例如，索引服务可以利用 GPU 高效地构建和合并图结构，而搜索服务则可在低功耗 CPU 上运行，以降低成本。

计划如下，Stan！

我们期待通过优化部署策略，为用户带来性能提升和更大的灵活性，并提供多种调节方式，以在成本和性能之间取得最佳平衡。以下是 NVIDIA GTC 2025 会议的相关内容，在会上，我们详细介绍了这一工作。

我们要感谢 NVIDIA 和 SearchScale 工程团队的出色合作！在即将发布的博客中，我们将深入探讨实现细节和性能分析。请保持好奇心 🎩！

Elasticsearch 还原生集成了行业领先的 生成式 AI 工具和提供商。欢迎查看我们的网络研讨会，了解如何超越 RAG 基础，或如何使用 Elastic Vector Database 构建生产级应用。

要为你的业务场景打造最佳搜索解决方案，现在就开始 免费云试用 或在本地运行 Elastic 吧！

原文：Exploring GPU-accelerated Vector Search in Elasticsearch with NVIDIA - Elasticsearch Labs