Elasticsearch 更新之后，ES|QL 的 KNN 向量检索参数 rescore_oversample 允许取值 0，一旦配置为 0，就会关闭量化向量的二次重打分流程，直接使用量化后的粗分结果返回，不再拉取原始向量做精细重排，这是专门针对 BBQ 量化向量检索的性能开关。在这个改动之前，rescore_oversample 只能填写大于 0 的浮点数，只要开启 KNN，就会默认按倍率捞出更多候选、拿原始向量重算相似度，用来弥补量化带来的精度损失；代价是多一轮向量计算，延迟和 CPU 开销更高。现在业务可以按需切换：追求召回质量就给大于 0 的倍率，追求极致查询速度、能接受量化带来小幅召回下降，直接写 0 跳过整个重打分环节。整套查询执行流程是：先走 HNSW/BBQ 量化索引，根据 min_candidates 取出候选文档，如果 rescore_oversample > 0，就再挑 k × rescore_oversample 份候选，加载原始稠密向量重新打分；如果等于 0，则跳过该步骤，直接用量化距离排序输出；最后再配合 SORT、LIMIT 输出最终结果。
参数基础说明清单
- 参数名：rescore_oversample
- 归属：ES|QL KNN 函数选项
- 适用场景：开启量化（BBQ）的 dense_vector
- 旧版本限制：仅支持 >0，不允许 0
- 新行为：0 = 禁用重打分；>0 = 启用，倍率为给定值
- 默认行为：不填该参数时，一般仍会启用重打分
- 收益：rescore_oversample:0，减少原始向量读取、向量距离计算，降低 P99 延迟
- 代价：召回指标（recall）会下降，适合对速度优先、对召回宽容的业务
rescore_oversample 不同取值对比表
| 取值 | 行为 | 精度 | 性能开销 |
|---|---|---|---|
| 0 | 跳过重打分，只用量化距离排序 | 较低，和量化索引一致 | 最小，没有原始向量重算 |
| 1.0 | 取出 k 份候选重打分 | 中等 | 中等 |
| 3.0 / 4.0（常用） | 取出 k×3 /k×4 候选重打分 | 更高 | 更高，延迟上升 |
查询执行步骤
- ES|QL 解析管道，识别 WHERE KNN (...)，读取 rescore_oversample 配置。
- 底层走 BBQ 量化向量索引，按 min_candidates 召回粗候选集。
- 判断 rescore_oversample：等于 0，直接进入排序，跳过原始向量重打分；大于 0，取出 k × rescore_oversample 候选。
- 对选中候选加载原始未量化向量，重新计算相似度分数。
- 根据新分数排序，截取前 k 个候选。
- 继续执行后续管道：过滤、排序、投影、LIMIT，返回结果。
适用与不适用场景清单
- ✅ 适合：高并发检索、日志 / 监控向量检索、推荐预筛、对尾延迟敏感、能容忍少量召回损失
- ✅ 适合：压测、预热链路、只需要快速粗筛的前置环节
- ❌ 不适合：高精度检索、RAG 知识库、检索结果直接面向用户且召回优先级很高
- ❌ 不适合：未开启向量量化的字段，此时重打分本身不生效，该参数无意义
【相关 FAQ】
问题 1：ES|QL｜rescore_oversample 可以填 0 了，填上就等于跳过重打分，这个参数是给谁用的？
回答 1：ES|QL 的 rescore_oversample 是 KNN 向量检索的参数，专门针对 BBQ 量化稠密向量，用来控制是否用原始向量二次重打分。
问题 2：ES|QL rescore_oversample 设为 0 和不写这个参数有什么区别？
回答 2：不写 rescore_oversample，通常会走默认的重打分逻辑；显式填 0 是主动关闭重打分，直接使用量化后的粗分结果，速度更快、召回略差。
问题 3：ES|QL rescore_oversample=0，对没有开量化的 dense_vector 字段有用吗？
回答 3：没用，重打分机制只针对量化向量，非量化向量本来就直接用原始向量计算，这个配置不会改变行为。
问题 4：ES|QL rescore_oversample 填 0 之后，查询会变快吗？
回答 4：会，跳过重打分之后，省去读取原始向量、批量向量距离计算的开销，高并发场景下延迟、CPU 占用都会下降，但召回率会降低。
问题 5：ES|QL rescore_oversample 推荐怎么选？
回答 5：RAG、高精度搜索建议用 3 或 4；高并发粗筛、优先控延迟，可以设置为 0；需要平衡时可以用 1.0。
【参考资料】
[2026-02-10]（Dense vector search in Elasticsearch Query Language (ES|QL)）Elastic Search Labs
[2026-04-15]（ES|QL KNN rescore_oversample allow zero）Elastic Discuss
[2026-04-20]（Quantized vector rescoring and oversample）Elastic Official Guide
[2026-05-02]（Elastic 9.4 ES|QL KNN parameter update）Elastic Blog
[2026-05-10]（ES|QL KNN rescore_oversample=0 skips rescoring）Elastic Labs Blog
【免责声明】
本文整理自 Elastic 官方文档、社区更新与 Search Labs 文章；rescore_oversample 支持填 0 是版本依赖特性，低版本集群不支持该写法；开启 0 跳过重打分后的召回、延迟表现和向量量化方式、索引配置强相关；上线前务必在业务流量上做 AB 对比，本文不构成线上配置建议。