elasticsearch的应用场景分析

参考文章： Elasticsearch、MongoDB和Hadoop比较

                   搜索引擎选型调研文档

--------------------------------------------------------------------------------------------------

ElasticSearch：

• 分布式实时文件存储，并将每一个字段都编入索引，使其可以被搜索。

• 实时分析的分布式搜索引擎。

• 可以扩展到上百台服务器，处理PB级别的结构化或非结构化数据。

使用案例：

• 维基百科使用Elasticsearch来进行全文搜做并高亮显示关键词，以及提供search-as-you-type、did-you-mean等搜索建议功能。

• 英国卫报使用Elasticsearch来处理访客日志，以便能将公众对不同文章的反应实时地反馈给各位编辑。

• StackOverflow将全文搜索与地理位置和相关信息进行结合，以提供more-like-this相关问题的展现。

• GitHub使用Elasticsearch来检索超过1300亿行代码。

• 每天，Goldman Sachs使用它来处理5TB数据的索引，还有很多投行使用它来分析股票市场的变动。

但是Elasticsearch并不只是面向大型企业的，它还帮助了很多类似DataDog以及Klout的创业公司进行了功能的扩展。

--------------------------------------------------------------------------------------------------

Elasticsearch是一个实时的分布式搜索和分析引擎。它可以帮助你用前所未有的速度去处理大规模数据。

它可以用于全文搜索，结构化搜索以及分析，当然也可以将这三者进行组合。

Elasticsearch：全文搜索引擎，适合存储text文档；

Elasticsearch是一个分布式text检索引擎；

ES 是full text search engine；

Elasticsearch不是一个合适的数据库引擎，对复杂的查询和聚合并不是很强；

目前Elasticsearch已经增加了aggregation的功能；

Elasticsearch建立在Lucene之上并且支持极其快速的查询和丰富的查询语法；

如果你有数百万的文档需要通过关键词进行定位时，Elasticsearch肯定是最佳选择；

如果文档是JSON的，可以把Elasticsearch当作一种轻量级的“NoSQL数据库”；

如果你在寻找一个对应于一个关键词查询的少量的文档集合，并且要支持在这些结果中分面的导航，那么Elasticsearch肯定是最好的选择。如果你需要进行更加复杂的计算，对数据执行服务端的脚本，轻松地运行MapReduce job，那么MongoDB或者Hadoop就进入待选项中

--------------------------------------------------------------------------------

Hbase + Hadoop
海量数据、大计算量，适合持久存数据，适合做深度的数据分析

如果题主要做实时、动态的计数，则推荐ES
如果题主要跑些月报表什么的，则推荐Hbase

--------------------------------------------------------------------------------

es适合搜索和分析小规模数据，速度快过hbase
hbase稳定可靠，而且可以通过mr spark等大批量拉取数据