Elasticsearch和MongoDB对比

西京刀客

已于 2022-07-10 20:14:35 修改

阅读量7.2k

点赞数 10

分类专栏：软件架构/技术选型 # MongoDB 文章标签： elasticsearch mongodb 搜索引擎

于 2022-07-10 18:24:29 首次发布

本文链接：https://blog.csdn.net/inthat/article/details/125660503

版权

软件架构/技术选型同时被 2 个专栏收录

93 篇文章 4 订阅

订阅专栏

MongoDB

5 篇文章 4 订阅

订阅专栏

文章目录

Elasticsearch和MongoDB对比
参考

Elasticsearch和MongoDB对比

关于 Elasticsearch

官网：https://www.elastic.co/cn/elasticsearch/
在这里插入图片描述
Elastic is the leading platform for search-powered solutions. We accelerate results that matter.
Elastic是搜索解决方案的领先平台。我们加速了重要的结果。

ElasticSearch(简称ES)是一个开源的高扩展的分布式全文检索引擎;它可以近乎实时的存储、检索数据;本身扩展性很好,可以扩展到上百台服务器;可以处理PB级别的数据。是当前流行的企业级搜索引擎。

Elaticsearch，简称为es， es是一个开源的高扩展的分布式全文检索引擎，它可以近乎实时的存储、检索数据；本身扩展性很好，可以扩展到上百台服务器，处理PB级别的数据。es也使用Java开发并使用Lucene作为其核心来实现所有索引和搜索的功能，但是它的目的是通过简单的RESTful API来隐藏Lucene的复杂性，从而让全文搜索变得简单。

官方说明：
Elasticsearch 是什么？
简单来说，我们的目标是帮助每个人更快地找到所需内容，从需要通过内网获取文档的员工，到在网上购物寻找适合自己鞋子的客户。 但从更技术的角度来说，大致描述如下：

Elasticsearch 在 Apache Lucene 的基础上开发而成，由 Elasticsearch N.V.（即现在的 Elastic）于 2010 年首次发布。Elasticsearch 以其简单的 REST 风格 API、分布式特性、速度和可扩展性而闻名，是 Elastic Stack 的核心组件；Elastic Stack 是一套适用于数据采集、扩充、存储、分析和可视化的免费开源工具。人们通常将 Elastic Stack 称为 ELK Stack（代指 Elasticsearch、Logstash 和 Kibana），目前 Elastic Stack 包括一系列丰富的轻量型数据采集代理，这些代理统称为 Beats，可用来向 Elasticsearch 发送数据。

Elasticsearch应用场景

Elasticsearch 的应用场景
参考URL: https://www.bilibili.com/video/BV1bS4y1K7Ru

在这里插入图片描述

关于 MongoDB

官网：https://www.mongodb.com/
MongoDB中文社区：https://mongoing.com/

MongoDB最大的特点是表结构灵活可变，字段类型可以随时修改。MongoDB中的每一行数据只是简单的被转化成Json格式后存储，因此MongoDB中压根没有MySQL中表结构这样的概念，你可以直接简单粗暴的将任意结构的数据塞入同一个表中，压根不必考虑表结构的限制，更不必像MySQL一样因为要修改数据表结构而大费周折。

MongoDB不需要定义表结构这个特点给表结构的修改带来了极大的方便，但是也给多表查询、复杂事务等高级操作带来了阻碍。因此，如果你的数据的逻辑结构非常复杂，经常需要进行复杂的多表查询或者事务操作，那显然还是MySQL这类关系型数据库更合适。

MongoDB很适合那些表结构经常改变，数据的逻辑结构没又没那么复杂不需要多表查询操作，数据量又比较大的应用场景。

MongoDB优点

速度：MongoDB比一般的关系型数据库快很多，作为面向文档的NoSQL数据库，MongoDB可以通过索引使访问文档变得很容易而且快速
分片：MongoDB另外一个优势是允许用户存储大量的数据，其通过分片的方式将数据分发到多个服务器上。
灵活性：因为MongoDB是非结构化的数据库系统，而且多种数据类型，所以不需要像关系型数据那样，进行特别的表结构设计，存储数据更加灵活
分布式：MongoDB数据库默认支持分布式，内带分布式的解决方案

mongodb适用场景

MongoDB应用场景：https://hevodata.com/learn/mongodb-use-case/

传统的关系型数据库在解决三高问题上的力不从心。

何为三高？

High performance - 对数据库高并发读写的需求。
Huge Storage - 对海量数据的高效率存储和访问的需求。
High Scalability && High Availability- 对数据库的高可扩展性和高可用性的需求。MongoDB可以完美解决三高问题。

选择MongoDB的场景总结：

数据量大
读写操作频繁
数据价值较低，对事务要求不高

归纳了MongoDB一些比较明显的特征后，我们可以知道MongoDB的一些适用场景。

在MongoDB官网也会列举了MongoDB的适用场景：

1）网站实时数据:MongoDB 非常适合实时的插入，更新与查询，并具备网站实时数据存储所需的复制及
高度伸缩性。
2）数据缓存:由于性能很高，MongoDB 也适合作为信息基础设施的缓存层。在系统重启之后，由 MongoDB
搭建的持久化缓存层可以避免下层的数据源过载。
3）大尺寸、低价值数据存储:使用传统的关系型数据库存储一些数据时可能会比较昂贵，在此之前，很
多时候程序员往往会选择传统的文件进行存储。
4）高伸缩性场景:MongoDB 非常适合由数十或数百台服务器组成的数据库。MongoDB 的路线图中已经包
含对 MapReduce 引擎的内置支持。
5）对象或 JSON 数据存储:MongoDB 的 BSON 数据格式非常适合文档化格式的存储及查询。

MongoDB 的应用已经渗透到各个领域，比如游戏、物流、电商、内容管理、社交、物联网、视频直播等，以下是几个实际的应用案例。

游戏场景，使用 MongoDB 存储游戏用户信息，用户的装备、积分等直接以内嵌文档的形式存储，方便查询、更新
物流场景，使用 MongoDB 存储订单信息，订单状态在运送过程中会不断更新，以 MongoDB 内嵌数组的形式来存储，一次查询就能将订单所有的变更读取出来。
社交场景，使用 MongoDB 存储存储用户信息，以及用户发表的朋友圈信息，通过地理位置索引实现附近的人、地点等功能
物联网场景，使用 MongoDB 存储所有接入的智能设备信息，以及设备汇报的日志信息，并对这些信息进行多维度的分析
视频直播，使用 MongoDB 存储用户信息、礼物信息等
…

Elasticsearch和MongoDB对比

	MongoDB	ElasticSearch	备注
定位	(文档型)数据库	(文档型)搜索引擎	(文档型)搜索引擎
资源占用	一般	高	mongo使用c++, es使用Java开发
写入延迟	低	高	es的写入延迟默认1s, 可配置, 是要牺牲一些东西
全文索引支持度	一般	高	es本来就是搜索引擎
支持的数据量	PB+	TB+ ~ PB	两者支持的量并不好说的太死, 都支持分片和横向扩展, 但是相对来说MongoDB的数据量支持要更大一点
性能	非常好	好	mongo使用c++, es使用Java开发
索引结构	B树	LSM树	es追求写入吞吐量, MongoDB读写比较均衡
操作接口	TCP	Restful(Http)

MongoDB 默认会使用60%的系统内存，一般至少也要用到1GB缓存。

MongoDB和Elasticsearch都属于文档型数据存储，两者的很多功能和特性高度重合, 但其实两者定位完全不同。

看名字elasticSEARCH, mongoDB. 相当的明显,一个是SearchEngine,一个是Database, 没有可比性。

MongoDB 是文档型数据库, 提供数据存储和管理服务。
MongoDB作为一个数据库产品, 是拥有源数据管理能力的。MongoDB是一个全功能的数据库，主要应用于增删改查类型的实时交互场景。有非常多的系统只用MongoDB作为唯一的后端数据库，但是你几乎找不出来一个应用是完全用Elastic作为后端的。
Elasticsearch 是搜索服务, 提供数据检索服务。
Elasticsearch已经超越了其最初的纯搜索引擎的角色，现在已经增加了分析和可视化的特性——但是它的核心仍旧是一个全文搜索引擎。
Elastic最强的是全文搜索场景，后面实现基于Lucene。它最大的问题就是索引更新有延迟，默认是一分钟。 所以一般不能用来作为交互应用如手机端或者PC端应用。通常大家都是用一个DB+Elastic组合来使用。
MongoDB的全文搜索功能虽然有，但是很多时候达不到业务要求。所以很多人也会用MongoDB + Elastic 的组合方式。

简单来说，如果你的场景是只读，并且能够接受一定的数据延迟（非最新的数据），那么可以考虑Elastic。如果你的场景有实时写入实时更新，通常MongoDB会是更好的选择。

ES在数据结构灵活度上高于MySQL但远不如MongoDB。ES的缺点还不止这些，自动建立索引使得ES的写入性能也收到了影响，要明显低于MongoDB。对于同样的数据ES占用的存储空间也要明显大于MongoDB（建那么多索引能不占空间吗？），对硬件资源的消耗也是非常厉害，大数据量下64G内存+SSD基本是标配，算得上是数据库中的贵族服务。

ES绝对是一款优秀的搜索引擎，在模糊匹配、全文搜索、复杂检索等方面相比mongodb拥有更大的优势。
ES是Java编写，通过RESTFul接口操作数据。Mongodb是C++编写，通过driver操作数据。