四种向量检索架构对比：RedisSearch、ES 与混合架构选型分析

我们对比这四种：

1️⃣ RedisSearch：元数据过滤 + 向量检索（单引擎）

2️⃣ Elasticsearch：元数据过滤 + 向量检索（单引擎）

3️⃣ Redis + ES：ES先过滤 → 再向量检索

4️⃣ Redis + ES：Redis先向量检索 → ES过滤（工业主流）

一、四种架构整体图

① Redis 单引擎

复制代码

Query
 ↓
RedisSearch
(KNN + TAG filter)
 ↓
Result

② ES 单引擎

复制代码

Query
 ↓
Elasticsearch
(vector + bool filter)
 ↓
Result

③ 双引擎（ES先过滤 ❌）

复制代码

Query
 ↓
Elasticsearch filter
 ↓
Redis/ES vector search
 ↓
Result

④ 双引擎（Redis先召回 ✅）

复制代码

Query
 ↓
Redis KNN recall
 ↓
Elasticsearch filter
 ↓
Result

二、核心维度对比（⭐⭐⭐⭐⭐重点）

维度	Redis单引擎	ES单引擎	ES先过滤	Redis先召回（推荐）
向量搜索速度	⭐⭐⭐⭐⭐	⭐⭐⭐	⭐⭐	⭐⭐⭐⭐⭐
元数据过滤能力	⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐
召回质量	⭐⭐⭐⭐	⭐⭐⭐	⭐⭐ ❌	⭐⭐⭐⭐⭐
延迟稳定性(P99)	⭐⭐⭐⭐⭐	⭐⭐⭐	⭐⭐	⭐⭐⭐⭐
权限系统支持	⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐
大规模扩展	⭐⭐⭐⭐	⭐⭐⭐	⭐⭐	⭐⭐⭐⭐⭐
工程复杂度	⭐⭐⭐	⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐⭐
企业RAG适配	⭐⭐	⭐⭐⭐	⭐	⭐⭐⭐⭐⭐

三、逐个方案深度分析

方案① RedisSearch 单引擎

工作方式

Redis 同时做：

复制代码

KNN + TAG过滤

优点

✅ 极低延迟（内存ANN）

✅ 架构简单

✅ 运维成本低

致命问题

1️⃣ TAG filter 会破坏 HNSW

过滤发生在搜索阶段：

复制代码

只允许访问部分节点

导致：

recall下降
ANN退化

2️⃣ 复杂查询能力弱

Redis 不擅长：

bool组合
权限继承
keyword ranking

适合阶段

✅ MVP

✅ 百万级以内知识库

方案② Elasticsearch 单引擎

工作方式

ES 同时执行：

复制代码

bool filter + vector search

优点

✅ 强过滤能力

✅ hybrid search 原生支持

✅ 企业权限模型友好

问题（很多人低估）

1️⃣ 向量搜索慢

ES ANN：

复制代码

磁盘 + segment + bitset

不是纯内存图。

2️⃣ P99 延迟高

典型：

复制代码

P50 = 80ms
P99 = 800ms+

3️⃣ 成本高

需要：

更多节点
JVM tuning

适合

✅ 过滤复杂

❌ 高QPS语义检索

方案③ ES先过滤 → 再向量检索（错误架构 ❌）

这是很多团队的直觉方案。

为什么看起来合理？

复制代码

先过滤权限
再找相似

逻辑像 SQL。

但 ANN 不是 SQL。

核心问题：破坏 HNSW 图

过滤后：

复制代码

导航路径消失

导致：

找不到最近邻
recall暴跌

典型现象

明明有答案却搜不到
结果随机变化
长尾延迟爆炸

工业界基本不用。

方案④ Redis先召回 → ES过滤（⭐工业标准）

工作方式

Step1：Redis

复制代码

全局语义空间找 TopK

保持 HNSW 完整。

Step2：ES

在候选集合中：

复制代码

权限过滤
keyword增强
排序

为什么它最好？

因为分工正确：

系统	做自己最擅长的事
Redis	快速语义Recall
ES	精准结构Filter

技术本质

这是：

复制代码

Recall → Filter → Rerank

也是：

OpenAI Retrieval
Microsoft Copilot
企业知识助手

通用架构。

四、性能直觉对比（非常关键）

假设：

复制代码

1000万文档
财务权限占5%

ES先过滤

复制代码

1000万 → 50万
ANN在50万上跑

问题：

图稀疏
路径断裂

Redis先召回

复制代码

1000万 ANN导航
→ Top300
→ ES过滤

ANN 始终在最优空间。

五、真实生产结论（行业经验）

阶段	推荐架构
Demo	Redis
小规模企业	ES
中大型RAG	Redis→ES ⭐
超大规模	多Recall引擎

六、总结⭐

RedisSearch 适合高性能语义召回，Elasticsearch 擅长复杂元数据过滤。若先进行结构化过滤会破坏 HNSW 图的全局连通性，降低召回质量。因此工业界普遍采用 Redis 进行向量召回，再由 Elasticsearch 执行权限与结构化过滤的两阶段检索架构。

真正大厂级架构升级路径：

复制代码

Redis → Redis+ES → 多Recall → Learning-to-Rank → Agentic Retrieval

这基本就是 AI 搜索系统的完整进化路线。