作者：来自 Elastic  Pete Galeotti, Yuvraj Gupta 及 Rachel Forshee

我们已将 AWS 上的 Elasticsearch Serverless 基础设施升级为更新、更快的硬件。了解这一巨大的性能提升如何带来更快的查询、更好的扩展能力以及更低的成本。

使用 Elastic Cloud Serverless 解放你自己，远离运维负担。自动扩展，应对负载高峰，专注于构建 —— 开始 14 天免费试用，亲自体验！

你可以按照这些指南来构建 AI 驱动 的搜索体验，或在业务系统和软件之间进行搜索。

---

Elastic Cloud Serverless 已经是希望在无需管理基础设施运维负担的情况下，构建高效搜索和 AI 应用的开发者的权威解决方案。现在，我们正将你的 serverless 项目的性能提升到一个全新的水平。

我们已为所有运行在 AWS 上的 Elastic Cloud Serverless 项目完成了一次重大的基础设施升级，迁移到更新、更快的硬件。这一变更已自动推送到每一个 serverless 项目。它为 AWS 上的 Elasticsearch、Elastic Observability 和 Elastic Security serverless 项目带来了更高的吞吐量和更低的延迟。

为开发者带来的关键性能优势

全新的 AWS 硬件基础设施支撑着你使用 Elastic Cloud Serverless 所做的一切，为你的应用速度和响应能力带来切实的收益。

降低查询延迟 …… 提升吞吐量

改进后的硬件大幅提升了计算资源的速度，这意味着你 的搜索查询比以往任何时候都处理得更快。

• 搜索与向量搜索：无论你 运行的是传统的全文查询，还是用于生成式 AI 和检索增强生成（ RAG ）应用的前沿向量搜索，你都会看到明显的延迟下降。内部基准测试显示，搜索延迟平均降低了 35%。
• 更快的索引：数据摄取速率得到优化，使你能以更高的吞吐量索引海量数据和复杂文档。这对于需要近实时数据可见性的应用至关重要。内部基准测试显示，索引吞吐量平均提升了 26%。

高负载下的稳定性能

Elastic Cloud Serverless 旨在实时动态自动扩展以满足需求，无论你 的工作负载如何，都能将延迟降到最低。随着这次硬件升级，这种扩展能力现在变得更加高效和灵敏。

• 轻松应对突发高峰：无论你 面临的是用户流量的突然激增，还是大规模批量数据摄取，全新的基础设施都能确保你 的搜索和索引资源更高效地扩展，从而保持持续的低延迟。
• 优化的计算与存储解耦：serverless 架构将计算和存储分离，使工作负载能够独立扩展，从而实现最佳性能和成本效率。更快的硬件增强了计算层，最大化了这种解耦设计的效率。

幕后揭秘：内部基准测试结果

为了量化 AWS 基础设施升级的影响，Elastic 工程团队对一系列 serverless 工作负载进行了全面的内部基准测试。这些工作负载提供了性能提升的实证证据，无论你的应用场景如何，你都可以预期类似的性能改进。

基准测试方法

我们的测试重点是直接影响开发者体验和应用响应性的关键指标：搜索和索引操作的响应时间（即延迟）和吞吐量。

• 测试工作负载：测试包括用户应用典型的高并发搜索操作、复杂的向量搜索查询，以及用于可观测性和安全用例的大规模数据摄取/索引。特别地，我们的测试方法使用了 Elastic 基准工具 Rally 的公开数据集。

  • wikipedia：从 Wikipedia 文本内容快照衍生的数据集，用于衡量通用文本搜索性能。

  • MSMARCO-Passage-Ranking：从 Microsoft 的 Machine Reading Comprehension (MS MARCO) 衍生的数据集，用于衡量稀疏向量字段的搜索性能。

  • OpenAI_Vector：从 BEIR 的 NQ 衍生并使用 OpenAI 的 text-embedding-ada-002 模型生成 embedding 的数据集，用于衡量密集向量字段的搜索性能。

• 测量方法：我们比较了旧基础设施和新基础设施的性能，测量了第 99 百分位延迟（P99）以捕获最差情况的尾延迟性能，以及每秒操作数。每条测试轨道在每种硬件配置下运行五次，以确保结果一致性。
• 目标：我们的目标是验证基础设施在快速自动扩展期间，也能在整体上提供持续更快和更可预测的性能。

性能数据总结

结果确认了效率和速度的显著提升。这些提升直接转化为用户的响应时间降低，以及由于能够以更少的计算资源完成相同工作量而降低的运营成本。

以下表格详细说明了量化改进。吞吐量越高越好；延迟越低越好。

搜索基准测试结果：

基准测试	对比	旧基础设施	新基础设施	差异
wikipedia (纯文本)	搜索操作吞吐量 (ops/s)	729	1107	+52%
wikipedia (纯文本)	搜索操作延迟 (p99, ms)	56	35	-37%
MSMARCO-Passage-Ranking (稀疏向量)	搜索操作吞吐量 (ops/s)	22	31	+40%
MSMARCO-Passage-Ranking (稀疏向量)	搜索操作延迟 (p99, ms)	108	67	-38%
OpenAI_Vector (密集向量)	搜索操作吞吐量 (ops/s)	475	624	+31%
OpenAI_Vector (密集向量)	搜索操作延迟 (p99, ms)	35	22	-37%

索引基准测试结果：

基准测试	比较	旧基础设施	新基础设施	差异
wikipedia (纯文本)	索引操作吞吐量 (ops/s)	2845	3220	+13%
wikipedia (纯文本)	索引操作延迟 (p99, ms)	1769	1120	-37%
MSMARCO-Passage-Ranking (稀疏向量)	索引操作吞吐量 (ops/s)	7087	8900	+26%
MSMARCO-Passage-Ranking (稀疏向量)	索引操作延迟 (p99, ms)	824	677	-18%
OpenAI_Vector (密集向量)	索引操作吞吐量 (ops/s)	2972	3187	+7%
OpenAI_Vector (密集向量)	索引操作延迟 (p99, ms)	2946	2944	0%

额外好处：成本降低

虽然我们专注于提供低延迟性能，但新硬件的高效率也直接正面影响 Elasticsearch 项目的成本。

Elasticsearch Serverless 的定价基于使用量，这意味着你只需为你消耗的 ingest 和 search 资源付费。由于更新、更快的硬件更高效，你的工作负载通常可以使用更少的资源完成任务，从而为大多数项目带来固有的成本降低。你可以在不支付额外价格的情况下获得性能提升——这就是优化效率的定义。

这对你开发者意味着什么？

此基础设施升级完全由 Elastic 管理，所以你无需动手 —— 无需迁移，也无需配置更改。提升在所有基于 AWS 的 serverless 项目上都是即时且自动的。

这次升级让你能够：

• 构建更快速的应用：专注于功能开发速度，同时知道你的底层搜索平台能提供用户所需的速度。

• 自信创新：部署新的搜索、可观测性和安全功能——包括复杂的 AI 功能，如向量搜索和相关性排序——并确保平台在高峰期依然可以高性能处理负载。

• 简化你的技术栈：使用完全托管的服务处理基础设施管理、容量规划和扩展，让你专注于代码和数据。

原文：https://www.elastic.co/search-labs/blog/elasticsearch-serverless-aws-performance-boost