功能概览

高级增强功能覆盖：FalconSeek 加速查询；OpenStore 高性能检索和 OpenStore 日志增强分别优化在线检索与日志分析的存储方式；Indexing Service 托管写入与索引构建。同时，Agent 引擎版提供的 SliceCollection 面向 RAG、AI Coding、Agent 记忆和多租户搜索场景。各功能的支持版本与默认开关状态见下文版本矩阵。

核心价值

功能介绍

FalconSeek：加速复杂查询与向量检索

FalconSeek 是基于阿里巴巴自研 Havenask 引擎构建的云原生检索内核，通过 C++ 列式内存和全异步执行框架，优化复杂聚合、高基数词条查询和向量检索等性能敏感场景。

• 优化查询执行：增强计算和数据访问效率，适用于复杂聚合、语义搜索和以图搜图等工作负载。

• 兼顾性能与兼容性：默认 native 策略优先使用 FalconSeek，遇到暂不支持的语法或功能时回退到 Elasticsearch 原生引擎，也可指定执行策略进行对比或调试。

• 按索引启用：可为需要加速的索引单独配置 index.havenask.engine.enabled: true。

实例开启功能后，仍需为目标索引启用 FalconSeek。已有索引修改配置后，需要关闭并重新打开索引使其生效，使用前应安排相应的变更窗口。配置方法请参见FalconSeek云原生内核。

OpenStore 高性能检索：共享存储，支持计算快速扩缩容

OpenStore 高性能检索对应“OpenStore 存算分离（高性能检索）引擎”，采用 DFS 共享存储与本地缓存相结合的架构。持久化数据存储与计算节点分离，本地缓存承载热点访问，适用于实时搜索、在线分析和实时报表。

• 减少数据迁移：计算节点可访问共享存储中的数据，减轻扩缩容对全量分片数据搬迁的依赖。

• 降低副本存储开销：计算副本共享持久化数据，减少每个计算副本独立保存完整数据带来的存储放大，数据可靠性由底层存储机制保障。

• 兼顾查询时延与容量增长：通过本地缓存加速热点数据访问，根据查询负载和数据规模分别规划计算、缓存与共享存储容量。

该能力重点优化在线检索的资源弹性与存储效率。共享存储仍需规划容量，本地缓存大小及命中率也会影响查询表现。架构和配置限制请参见OpenStore 存储引擎（高性能检索）。

OpenStore 日志增强：低成本留存，历史数据直接查询

OpenStore 日志增强对应“OpenStore 智能混合存储（日志分析型）引擎”，通过 OSS 对象存储与缓存协同，支撑海量日志和时序数据的长期保存，适用于日志、监控指标、审计及 IoT 数据分析。

• 按实际存储量使用：无需提前购买覆盖整个保留周期的固定磁盘容量，存储费用随实际数据量变化。

• 历史数据直接查询：已下沉的数据仍可通过 Elasticsearch 查询，无需先执行快照恢复。

• 简化冷热数据管理：自动完成数据下沉，减少手工维护冷热分层和历史数据恢复流程的工作量。

该能力重点优化长期留存成本，适合查询频率相对较低、能容忍较高查询时延的日志分析负载。对于持续高并发、低时延查询，应结合缓存命中率评估，必要时选择 OpenStore 高性能检索。详细说明请参见OpenStore 存储引擎（日志分析型）。

Indexing Service：托管写入与索引构建

Indexing Service 将写入计算与索引构建交由云端服务处理，通过物理复制、计算存储分离和写入链路优化，降低用户查询集群承载写入计算的压力。适用于写入吞吐高、峰谷波动大、查询频率相对较低的日志与时序分析场景。

• 写入资源弹性调配：后台根据写入负载管理计算资源，减少用户为写入高峰长期预留固定节点的需要。

• 读写分别规划：写入侧按实际写入流量和托管存储空间计费，查询侧按检索需求配置资源。

• 简化写入运维：由服务侧管理托管写入资源及相关参数，降低写入链路的容量管理工作量。

托管服务对写入流量、文档数和分片数设有约束，部分 refresh、merge 和 translog 参数由服务侧控制。接入方式、计费和使用限制请参见Indexing Service系列介绍，公开写入测试数据见下文“性能参考”。

SliceCollection：组织海量 Agent 与租户业务空间

SliceCollection 由 Agent 引擎版提供，面向 RAG 知识库、AI Coding 代码仓库、Agent 记忆和多租户搜索。它以 Collection 提供统一访问入口，以 Slice 组织不同业务空间，减少为每个业务空间单独管理传统 Elasticsearch 索引的复杂度。

• 统一访问入口：通过 Collection 访问和管理一组业务空间，简化应用接入。

• 按业务空间组织数据：使用 Slice 表达知识库、代码仓库、Agent 或租户，适配大量独立业务空间的检索需求。

• 存储、写入和查询解耦：对象存储保存索引数据与持久状态，索引节点处理写入和索引构建，查询节点处理检索，可按读写负载分别规划计算资源。

当业务的主要挑战是大量业务空间管理及读写负载独立扩展时，可评估该能力。核心概念和使用入口请参见SliceCollection 海量多租户检索。

按场景选择能力组合

两类 OpenStore 采用不同的存储方式，分别服务在线检索和日志留存。功能组合的可用范围见下文版本矩阵及对应功能文档。

功能与版本对应关系

下表列出各版本在对应场景下的功能支持和默认开关状态。

图例：○ 默认开启、可关闭；◐ 默认关闭、可开启；● 默认开启、不可关闭；— 不支持或不适用。

默认开关描述购买或实例配置入口的状态，索引、数据流或业务空间可能仍需进一步配置。矩阵用于核对功能支持，不表示各场景功能会在同一实例中同时生效，也不表示存量实例会自动变更。具体开放范围取决于站点、地域、实例架构及控制台可选配置。

成本构成与资源规划

选择功能时，应结合计算、存储、缓存和托管服务评估总成本。

免费测试政策及具体价格以最新计费说明和购买页为准。进行容量评估时，应同时观察吞吐、查询时延、数据可见性与实际资源用量。

性能参考

阿里云公开的 Indexing Service 写入测试使用 ES Rally 的 nyc_taxis 数据集，各组配置均为 3 个数据节点、15 个分片、1 个副本，并开启异步 translog 和物理复制，refresh_interval 设置为 5 秒。

上述比值按公开 TPS 计算，比较的是包含云端托管资源的完整写入方案；测试中通用商业版与 Indexing Service 的写入可见性延迟分别为 5 秒和 6 秒。数据来自 Indexing Service系列介绍，不代表相同总资源下的纯内核性能比值。实际收益需结合业务数据、配置和负载评估。

两类 OpenStore 的性能与成本还取决于存储介质、缓存命中率和访问模式，分别参见 OpenStore 存储引擎（高性能检索）和 OpenStore 存储引擎（日志分析型）中的参考指标。

相关文档

• 了解各版本的开源特性，请参见版本特性。

• 购买阿里云ES实例，请参见创建阿里云Elasticsearch实例。