向量数据库和普通索引都能做相似度搜索，到底差在哪？

百万级确实没必要单独上向量库，ES的knn够用，过滤这块儿还是数据库强项。

百万级其实真不用纠结，es的knn加个脚本过滤够用了，我这边两百万数据加用户ID过滤，延迟也就几十毫秒。向量库强在标量过滤和向量索引的深度耦合，es做复杂条件组合时容易性能跳水，但纯相似度场景差距不大。真要换，先想想你们检索条件会不会越来越复杂，不然多套组件备份监控确实烦。

百万级这个量确实比较尴尬，我自己测过es的knn和专门的向量库，在纯向量检索上差距不大，但一加上复杂的标量过滤（比如用户ID加时间范围），es的filter和vector组合起来性能掉得挺明显。如果你的过滤条件很频繁，可能向量库的优势就在这。不过运维复杂度是真得考虑，多一套集群就要多养一个人，小项目其实es顶一顶也够用了，除非你后续要做增量训练或者动态更新向量，那es的更新机制会让人抓狂。

百万级这个量级其实es的knn够用了，我团队之前也是这么干的，关键是es要调好hnsw参数和内存分配。向量库真正的优势是带标量过滤时的性能，像你按用户ID圈定范围再检索，es会退化成暴力扫描，延迟直接翻好几倍。运维复杂度这块，多一个组件确实头疼，但如果业务过滤条件复杂且增长快，早迁移比晚迁移省心。我倒是好奇你现在的es是用的dense_vector还是走的插件方案？

百万级其实es够用，向量库强在标量过滤和精确召回，但运维确实麻烦，别盲目跟风。

说实话你这个问题问到点子上了，我自己的经验是百万级数据量真没必要为了“向量”两个字就上Milvus，ES的knn加HNSW索引完全够用。核心差异不在数据量，而在你要不要做复杂过滤——比如你按用户ID圈定几万条再算相似度，ES的filter+ann执行计划做得挺顺，但Milvus这种纯向量库就得靠标量字段倒排配合，搞不好还得调参。还有个隐性成本是运维，ES你本来就有，多配个热节点就行，但多一个Milvus集群就得操心分片、内存、监控告警，小团队真会头大。召回率方面，实测过ES的knn和Milvus在同样HNSW参数下差别很小，除非你要用IVF_PQ那套压缩索引，但那更多是省内存的取舍，不是精度优势。我自己倒是遇到过一个坑：ES的knn在过滤条件命中数据太少时，有时候会退化成暴力扫描，响应时间抖动得厉害，而Milvus的partition机制对这种场景更稳定。所以我的建议是，如果你现在的ES方案能扛住业务，与其纠结换不换，不如先把ES的knn参数调好，比如efConstruction和efSearch，这块优化空间其实挺大的。真要哪天数据涨到千万、过滤又复杂，再考虑用Qdrant这类支持payload过滤的轻量方案，会比Milvus好上手很多。

说实话我之前也纠结过这个问题，后来在百万级数据上对比过es的knn和milvus，过滤条件多的时候es性能掉得挺明显，向量数据库的标量过滤+向量检索是融合在一个索引里的，差距一下就拉开了。不过如果你只是纯文本相似度、过滤条件也不复杂，es完全够用，没必要多养一套系统，运维成本真不是闹着玩的。另外召回率的话，es的hnsw实现和专用库其实差别不大，主要看你的实际查询模式。

百万级用ES的knn确实够用，向量库主要赢在过滤+召回同时做，不然先过滤再搜容易翻车。

百万级其实ES的knn也能扛，但瓶颈往往不在检索本身，而在带过滤条件的向量搜索——ES是先向量召回再过滤，容易把你要的那条给滤没了，milvus这类支持先标量过滤再走HNSW，结果稳很多。我之前用ES做按用户ID过滤的推荐，召回率掉得挺明显，换qdrant后基本没这问题。不过百万级真没必要急着上分布式那套，单机qdrant或pgvector就够，运维比ES集群还轻。建议先压测下你实际过滤场景的召回，差得多再迁。

我去年也纠结过这个问题，当时数据量八十多万条，用ES的dense_vector加knn检索跑得挺稳，延迟基本在几十毫秒。后来换成qdrant主要是被过滤场景逼的，ES做pre-filter再knn有时候会掉召回，尤其按用户ID或者时间范围过滤的时候，它那个过滤和向量检索的执行顺序不太可控。向量数据库在这块确实更原生，milvus的partition和标量过滤配合得比较顺，qdrant的payload索引也能扛住高基数过滤。但百万级真没必要急着上，除非你QPS很高或者过滤条件特别复杂，否则运维多一套组件不划算。另外ES的knn插件内存占用挺凶，百万条768维向量堆内存就有点吃不消了，这也是我迁移的一个原因。如果只是几十万条做知识库问答，先把ES的knn参数调好、控制好段合并，大概率够用了。

百万级别用ES的knn其实也能扛，但坑主要在过滤和高并发上。我之前试过用ES做带用户ID过滤的向量检索，filter和knn一起走的时候召回会打折，经常要先粗筛再精排，逻辑写起来挺别扭的。向量数据库在这块确实更顺，支持标量和向量混合过滤，召回也稳。不过百万级数据单独搭一套milvus，运维成本真不低，除非你后面还要涨量或者对延迟很敏感，不然ES先顶着也够用。