Elasticsearch和MongoDB简要对比

根据项目需求用到了Es，好久不用的我，赶紧查资料，然后忽然发现这个跟MongoDB怎么这么接近呢？

然后查阅了一些资料特此简单做下对比：

场景和目标

1、mongodb的目标是：“取代oracle和db2”（财务总监时上市说的）。和RDBMS是竞争关系。
2、es的大部分场景是：“一个常见的设置是使用其它数据库作为主要的数据存储，使用 Elasticsearch 做数据检索”（2.X官方文档里说的）。和RDBMS是辅助关系。

相同点：

1、都是以json格式管理数据的nosql数据库。
2、都支持CRUD操作。
3、都支持聚合和全文检索。
4、都支持分片和复制。
5、都支持阉割版的join操作。
6、都支持处理超大规模数据。
7、目前都不支持事务或者叫支持阉割版的事务。

不同点：

1、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。（es对java开发更有好，利于排查理解）
2、mongodb的分片有hash和range两种方式，es只有hash一种。
3、es是天生分布式，主副分片自动分配和复制，开箱即用。mongodb的分布式是由“前置查询路由+配置服务+shard集合”，需要手动配置集群服务。
4、内部存储ES是到排索引+docvalues+fielddata。mongodb暂时未知。
5、es全文检索有强大的分析器且可以灵活组合，查询时智能匹配。mongodb的全文检索字段个数有限制。
6、es所有字段自动索引，mongodb的字段需要手动索引。
7、es非实时有数据丢失窗口。mongodb实时理论上无数据丢失风险。

总结：

1、es偏向于检索、查询、数据分析，适用于OLAP系统。mongodb偏向于大数据规模下的CRUD，适用于对事务要求不强的OLTP系统。

优缺点分析：

MongoDB：

优点

• 面向文档存储(类JSON数据模式简单而强大)

• 动态查询

• 全索引支持,扩展到内部对象和内嵌数组

• 查询记录分析

• 快速,就地更新

• 高效存储二进制大对象 (比如照片和视频)

• 复制和故障切换支持

• Auto- Sharding自动分片支持云级扩展性

• MapReduce 支持复杂聚合

• 商业支持,培训和咨询

数据示例：

{ “system” : { “currentTime” : { “KaTeX parse error: Expected 'EOF', got '}' at position 40: …6:40.976+0800" }̲, "hostname" …numberLong” : “4096” },
“numPages” : 970635,
“maxOpenFiles” : 64000 },
“ok” : 1
}

缺点

• 不支持事务（进行开发时需要注意，哪些功能需要使用数据库提供的事务支持）
• MongoDB占用空间过大 （不过这个确定对于目前快速下跌的硬盘价格来说，也不算什么缺点了）
• MongoDB没有如MySQL那样成熟的维护工具，这对于开发和IT运营都是个值得注意的地方
• 在32位系统上，不支持大于2.5G的数据(很多操作系统都已经抛弃了32位版本，所以这个也算不上什么缺点了，3.4版本已经放弃支持32 位 x86平台)

ElasticSearch

优点：

elasticSearch 目前主要用于大量数据的挖掘和搜索。使用的优势是在数据量较大的时候可以进行快速搜索，并且本身还带有分词器，可以对elasticSearch内的数据进行分词搜索。有利于数据管理。

缺点：

但相对的来说，缺点也很明显。在需要添加新数据与新字段的时候，如果elasticSearch进行搜索是可能需要重新修改格式。之前的数据需要重新同步，对数据的管理有很多困难。

一旦数据格式出现改变，会变得非常麻烦。

另一个缺点就是在搜索的时候，和之前的mysql不同，有许多mysql可以搜索到的东西，在elasticSearch里就不能搜或很难搜。

数据示例：

{
“_index”: “rta_daily_report”,
“_type”: “campaign”,
“_id”: “145603275_m_normal_20170804”,
“_version”: 1,
“found”: true,
“_source”: {
“cid”: 145603275,
“advertiser_id”: 457,
“trace_app_id”: “id1105855019”,
“network_cid”: “plr_gs_ios_cn_osv9”,
“platform”: 2,
“direct”: 1,
“last_second_domain”: “tracking.lenzmx.com”,
“jump_type”: 7,
“direct_trace_app_id”: “id1105855019”,
“mode”: 3,
“third”: “3444.tlnk.io”,
“hops”: 1,
“yyyymmdd”: “2017-08-03T16:00:00”,
“type”: “m_normal”,
“click”: 2,
“impression”: 3,
“revenue”: 0,
“install”: 0
}
}

小结：

不要以为对比就是敌人，他俩也是可以搭配的哦！Elasticsearch+Mongo亿级别数据导入及查询实践，哈哈。。。

所以说，能力不是重点，合作才有未来。