OpenSearch3.2版本現已正式發布，帶來了許多令人期待的新功能，旨在提升搜索和可觀測性，尤其在生成式 AI 應用場景方面更具優勢。本次更新繼續延續了3.x 系列的創新，為用戶提供了更高效的搜索體驗。

在搜索功能方面，OpenSearch3.2進行了多項顯著的性能和可擴展性改進。特別是近似框架的升級，支持了 search_after 查詢，極大改善了性能瓶頸。此更新確保在進行 ASC 和 DESC 排序時，能夠有效利用優化后的 BKD 遍歷，從而提升時間序列和數值型數據的查詢效率。基準測試顯示，延遲時間大幅下降，這為實時儀表盤和深度分頁應用帶來了更快的響應速度。

此外，OpenSearch3.2新增了 skip_list 功能，可以幫助查詢引擎更高效地跳過不相關的文檔區間，從而提升查詢性能。同時，star-tree 相關的聚合查詢也得到了增強，支持基于 IP 字段的聚合，并增加了相關統計指標。

在向量數據庫與生成式 AI 方面，3.2版本提供了更多的 GPU 支持和向量搜索質量的提升。新加入的向量類型如 FP16、byte 和 binary，降低了內存占用，提高了資源利用率。此外，通過引入非對稱距離計算和隨機旋轉技術，搜索質量得到了顯著提升，尤其在高精度需求的應用場景中表現尤為突出。

在可觀測性和日志分析方面，OpenSearch3.2也進行了優化。Trace Analytics 插件現已支持 OpenTelemetry，增強了追蹤分析的能力，便于用戶與現有工具鏈的集成。與此同時，Piped Processing Language （PPL） 的更新帶來了更高的查詢靈活性，進一步提升了復雜查詢的性能與正確性。

OpenSearch3.2版本在多個方面的改進，不僅提升了用戶的搜索體驗，更為廣泛的 AI 應用提供了強有力的支持，展現了其在現代數據處理和分析領域的強大潛力。

劃重點: