Elasticsearch向量存储性能对比：数组式vs键值式

针对你提到的两种视频帧向量存储方式，从Elasticsearch的底层处理逻辑来看，第二种方式的性能不会明显更慢，反而在多数场景下更具优势，具体分析如下：

1. 写入性能 #

• 方式一采用动态命名的字段（frame_1、frame_2等），如果开启了动态映射，每次写入新的frame字段时，Elasticsearch需要更新索引映射，额外增加写入开销；若手动维护映射，又会带来大量重复的字段定义工作。
• 方式二使用固定的数组字段frames，只需提前定义一次向量类型的映射，写入时直接向数组中追加向量元素，写入流程更简洁，性能更稳定甚至优于方式一。

2. 查询性能 #

向量检索的核心依赖Elasticsearch的向量索引（如HNSW），两种方式的检索逻辑差异直接影响性能：

• 方式一需要针对多个独立的frame字段执行向量相似度查询，之后还要合并多个字段的检索结果，查询逻辑复杂，向量数量越多，合并结果的开销越大。
• 方式二只需对frames单个字段执行检索，Elasticsearch会自动遍历数组内的所有向量并计算相似度，查询逻辑更高效，尤其是当单条文档内的向量数量超过5-10个时，这种优势会更明显。

3. 存储开销 #

• 方式一的每个frame字段都带有独立的元数据（字段名、类型标识等），随着向量数量增加，这些元数据的累积会显著提升存储成本。
• 方式二的数组结构仅需维护一份字段元数据，所有向量共享同一字段的类型定义，存储效率更高。

4. 维护成本 #

• 方式一的动态字段会导致索引映射膨胀，后续修改向量维度、调整frame数量规则时，需要逐个修改字段映射，维护难度大。
• 方式二的数组结构规整，统一的字段定义让后续的规则调整（比如从5-10帧改为每3秒取一帧）更易操作，无需修改映射结构。

综上，选择第二种数组存储方式不仅不会带来性能问题，反而能在写入、查询、存储及维护上获得更优的表现，更适合你提到的“每3秒取一帧”这类向量数量可能更多的场景。

内容的提问来源于stack exchange，提问作者Nick Dart