为什么要使用elasticsearch

  起初最早接触es的时候，是听老师傅说：“es无所不能”。

  也正是因为这句话，让我对es有了很强的好奇心。后边开始接触他，做10亿数据场景的搜索，做优化。再后来去看源码，然后有机会在es源码中做修改，添加功能。然后又接触2000亿数据级别的搜索，以及优化。

  下边我来谈谈es不可抗拒的优势，以及如何做到无所不能。

天然分布式，利于扩展

  es的确是什么都能做的搜索引擎。天然的分布式，给我们去维护递增数据带来极大的便利性。水平扩展机器节点就可以解决数据增长的问题，并且集群会自动去帮我们均衡数据到新加入的机器上去。

  这种无限制水平扩展的能力，给小规模团队，带来很大的便利。不需要额外的DBA去解决数据增长的问题。没有什么是加机器不能解决的问题。

  天然的分布式能力，好的设计，分布式问题，让用户尽可能少的感知。

高效的检索能力

  到目前为止，针对亿级，百亿级，千亿级数据的存储检索，处理es和es同类产品，还没有其它的数据库能够做到秒级别的返回。

  es能做的是相关性搜索。以及类似于模糊匹配的操作。

高效的写入能力

  因为es采用日志合并树的理念去存储数据。不用维护锁，它有着极高的吞吐量。因为次设计理念，这也是es不能支持事务的的原因。

  如果真的想要用事务，结合关系型数据库，可以在架构设计上，有效利用关系型数据库的事务，然后将用于检索的数据同步到es中。

ES主体功能

  上边所说的ES的检索，都是泛化的搜索。详细说说es能做什么，es主要有以下几个玩儿法：

• 精准匹配。可以精准去匹配某个字段。这用起来就和关系型数据库差不多。它可以用来解决关系型数据库解决不了的亿级，千亿级的检索。
• 相关性搜索。可以理解成关系型数据的like语法。但是es要远比关系型数据库厉害，因为它还支持相关性打分等内容。关系型数据库的like，只能给你全部匹配到，而es因为有打分，所以它总能给你最相关的内容。一般做内容的公司，会非常依赖相关性的准确度。与之相关的切词，同义词库也很重要。当然，有时候为了提速，或者对相关性要求不高，可以考虑关闭分数的计算。因为打分是一个相对耗时较高的操作。
• 空间位置的搜索。图形的搜索。这个能力可以用到类似于我们点餐或者打车，看附近1KM以内的美食。
• 聚合分析能力。同样适用与千亿级别的数据检索。虽然但看这一个能力，它可能比clickHouse稍微逊色一点。但是它拥有clickHouse不具备的高效检索能力。
• es在当前的最新发布版中（8.X），对机器学习有了更大的支持。可以将es的分布式算力能力在机器学习领域得到发挥。es可以导入训练好的模型。
• 如果对相关性有着极高的要求，可以试试es的向量搜索的。可以用来做图片的搜索。