使用 Elasticsearch 作为主数据库而不是 MongoDB 的场景

Question

我们目前正在将 MongoDB 用于我们的“大规模数据”产品之一。简单介绍一下，我们使用 Mongo 来存储大量社交媒体数据，例如推文/帖子/主题标签等。所以用例是社交媒体分析。到目前为止，我们在使用 MongoDB 时面临的唯一问题是全文搜索能力和聚合性能。

文档数量约为 2500 万，我们在单个实例上使用它。此外，我们的大部分分析都是在整个集合上进行的（我们通常没有很多过滤器来减少分析数据集）。最近我们开始研究弹性搜索。它是一个漂亮的工具，搜索速度非常快。因此，我们考虑的一种方案是将其用作 Mongo 之上的搜索层。

但是，经过评估，我们发现 ES 也具有强大的分析能力，尤其是在聚合方面。我们的问题是使用 ES 作为唯一的数据存储（作为 Mongo 的替代品）是否是个好主意。我们在搜索层而不是分析工具方面看到了 ES 的大部分吸引力。在分析能力中使用 ES 是否有任何缺点。简而言之，Mongo 在哪些方面比 ES 做得更好？

Answer 1

在功能方面，Elasticsearch 应该很好地涵盖了您。过滤器、查询和（流水线）聚合可以完成 MongoDB 所做的一切，甚至更多。

我会主要注意两种解决方案提供的弹性：Elasticsearch 不是设计的数据库，在某些情况下可能会发生“坏”的事情；尽管它们在弹性页面上有详细记录。使用版本 2.3 甚至 5（目前处于 alpha 阶段） 最新的稳定版本提供了一个非常稳定的基础，我在现实世界的应用程序（不是实验室场景）中看到的所有数据丢失问题都是由于配置不当造成的。

免责声明：我为 Elastic 工作。