使用过下面两个插件
https://github.com/opendistro-for-elasticsearch/k-NN
优点： 相对elastiknn，该插件支持把底层生成hnsw一个结构加载进内存，376w数据，768纬度向量，搜索性能在300-400ms左右
缺点：
1.该插件需要基于nmslib生成一个c的so文件，该文件比较依赖底层操作系统的库，建立项目最好使用docker容器的方式，不然把本地打的so文件，放到其他环境会出现各种bug，比如： [libKNNIndexV1_7_3_6.so_0x6b1da] _GLOBAL_sub_I_distcomp_sparse_scalar_fast.cc+0x2a
2. 该插件对应于es7.7.1的版本存在各种bug，比如打重复分数、使用cosine距离，但是实际算出来是l2距离，因此建议使用最新的版本，目前最新该插件对应的es版本是7.10.2
2. https://github.com/alexklibisz/elastiknn
优点： 这个是完全对接了es和luence语法的，应该java原生应用，这个不需要安装so库，官网直接就有插件，使用起来比较简单
缺点： 性能相对于上面插件有差距，看官网的QPS在400多左右
java转大数据是非常有优势的，如果想转入大数据开发领域，选择数仓开发是个捷径。千锋教育拥有线上免费Java线上公开课。如果特别想做更底层的开发，也可以选择从数仓开发切入，先接触，再曲线救国。那么数仓开发需要学啥？ 1、会一门基础语言：java/python/scala：如果是java相关开发转大数据，那实在是太容易了，这一项就可以略过了。2、分布式存储及调度理论：hdfs、yarn的理论要理解且熟记，这些对于学习spark 或者hive 以及sql的优化是最最基础的知识。3、sql 框架要会一个：spark sql/hive sql ：如果对hive和spark都不懂的话，那就选择学spark，现在离线数仓越来越多的公司切spark了。Spark 相关主要学习spark core 和spark sql；要求sql要写的熟练，调优参数及原理，能懂一些源码就更好了。4、数仓建模、分层理论：这个是数仓的方法论，是一定要掌握的，理论都在《维度建模权威指南-kimball》这本书里，好书是好书，看起来比较枯燥，在看的时候多思考，结合自己正在做的业务，想象一下如果要为现在的业务划分主题该怎么划、业务矩阵该怎么设计等等，大胆想象就ok。5、其它需要了解：大数据相关的架构理论、olap、数据湖等等，知道越多越好，不需要太深入，主要作用是帮助理解大数据的那一套东西；网上的其它公司数仓的架构是啥样子，要知道架构里每个组件的作用是啥。还有一些其它的框架组件：kafka、presto、druid、flink 等了解，写个demo跑跑，知道流程就可。如果想了解更多相关知识，建议到千锋教育了解一下。千锋教育目前在18个城市拥有22个校区，年培养优质人才20000余人，与国内20000余家企业建立人才输送合作关系，院校合作超600所。
