阿里云 Elasticsearch Serverless 节省计划来啦！预付抵扣包享最高 7 折优惠！
在数据驱动的数字化时代，企业对高效检索、智能分析和实时决策的需求持续攀升。阿里云 Elasticsearch Serverless（以下简称 ES Serverless）凭借其在全文搜索、非结构化数据处理、空间查询、高并发检索、多维度过滤、实时聚合分析等场景的核心优势，成为企业构建智能应用的首选解决方案。
近期，阿里云推出 ES Serverless 推出通用预付优惠抵扣包（节省计划），通过账单折扣进一步降低使用成本，助力企业实现降本增效。
一、节省计划
为降低企业使用成本，阿里云 ES Serverless 推出通用预付优惠抵扣包（节省计划），可以用于抵扣长期使用按量付费资源的折扣权益，为您抵扣 ES Serverless 应用的账单费用。合理的配置节省计划可让您在灵活使用资源的同时，享受较低的折扣。所有 Serverless 应用、计费项均可参与抵扣。
适用客户：
已采购 ES Serverless 的用户，或有计划采购服务的客户。使用预付抵扣包的付费模式可
换取更多优惠。
新增功能/规格：
ES Serverless 推出通用预付优惠抵扣包（节省计划），用户承诺**6 个月或 1 年**内达到消费金额可换取账单折扣。相比按量付费模式，通过预付抵扣包的形式将更加优惠。
承诺消费金说明：
在指定时间周期内承诺消费的最低金额（即此次购买节省计划的充值金额），单位为元。承诺消费金额最低为 200，最高为 20000，步长为 200，并且不同有效期、不同消费金额所享受的折扣存在差异。
当有效期为
1年时，不同消费金额区间所享受的折扣如下：[200，600]：可享受 85 折。
(600，3000]：可享受 8 折。
(3000，20000]：可享受 7 折。
当有效期为
6个月时，不同消费金额区间所享受的折扣如下：[200，600]：可享受 8 折。
(600，3000]：可享受 75 折。
(3000，20000]：可享受 7 折。
参与方式：
更多节省计划详情：
二、为何选择 ES Serverless？
2.1 ES Serverless 对比自建优势
2.2 ES Serverless 场景化优势
1、AI 搜索与推荐
场景：智能客服、商品推荐、个性化搜索。
优势：8.17 版向量检索 QPS 提升数十倍，动态扩展向量维度，支持多模态数据（文本+图像+语音）联合分析，精准匹配用户意图。
对比传统数据库：传统数据库缺乏向量检索能力，需额外搭建复杂系统，成本高且性能差。
2、RAG 问答系统
场景：结合大模型的智能问答（如知识库问答、文档理解）。
优势：支持多模态数据（文本+视频/图像元数据）的快速检索，结合大模型生成精准答案。
对比传统数据库：传统数据库无法直接处理非结构化数据，需人工预处理，效率低下。
3、多模态分析
场景：文本+图像/视频的联合检索（如电商商品图文匹配、安防监控分析）。
优势：动态向量维度扩展能力，支持多模态数据对齐，提升跨模态检索精度。
对比传统数据库：传统数据库仅支持单一模态查询，无法融合多源信息。
4、日志全观测
场景：实时监控业务日志、故障排查。
优势：秒级弹性扩缩能力，轻松应对突发日志流量（如促销活动、系统故障），确保实时分析不卡顿。
对比传统数据库：传统数据库需提前预置资源，流量高峰时易崩溃，扩容耗时长。
2.3 ES Serverless 最新特性
ES Serverless 已广泛应用于电商搜索推荐、日志分析、监控告警、地理数据可视化等场景，其全观测智能运维能力可实时追踪集群状态，自动优化资源分配，助力企业构建高可靠数据中台。
简单易上手
无需关注复杂的集群、节点等配置，直接使用原生 Elasticsearch API、Kibana 可视化组件等，完成数据写入与查询，快速上线。
弹性扩缩免运维
在一定范围内，支持根据业务负载智能规划容量、实现弹性扩缩，期间保障业务无感、服务稳定，无需手动扩缩即可轻松应对流量变化。
更低成本
实现资源自动化忙时拓展与闲时回收，打破固定资源付费的模式，仅需为实际使用的弹性资源付费，减少闲置资源冗余的成本支出。
最新 AI 特性
8.17 版本搭配文档解析、切片、文本稀疏与稠密向量化、查询理解、排序等优质 AI 模型开箱即用，实现语义搜索、RAG 场景效果、体验双升级。
Elasticsearch Serverless 通过按需资源预留+弹性伸缩机制，解决自建集群的冗余浪费与运维难题。8.17 版本性能升级，弹性反应时间提升，扩容期间服务稳定性增强，保障高负载场景体验。
立即行动
点击下方链接，探索 Elasticsearch Serverless 如何为您的业务赋能，让数据价值触手可及！
还未添加个人签名 2020-10-15 加入
分享阿里云计算平台的大数据和AI方向的技术创新和趋势、实战案例、经验总结。
评论