ElasticSearch 的功能

分布式的搜索引擎和数据分析

1. 搜索：比如说百度的搜索，淘宝的商品搜索，一些app内部的搜索，IT系统的站内搜索。

2. 数据分析：比如说统计电商网站的访问量，每天的新增用户的数量，在哪个城市的用户比较多。

全文检索

1. 结构化搜索：比如你想搜索某书城的Java相关的书籍有哪些。

2. 数据分析：对你搜索出来的数据进行分析，比如说哪些书籍的销售量最高，哪些书籍的好评度最高。

3. 进实时：如果你处理数据需要一小时，那么这就不叫进实时了，应该称为离线批处理，只有数据处理时间达到秒级才能算的上是进实时。

4. 对海量数据进行进实时的处理：由于ES是分布式的，可以自动将海量数据分散到多台服务器上存储与检索，自然就达到了进实时的数据处理，举个反例，比如说Lucence，它是一个单机应用，所以只能处理单台服务器可以处理的数据量。

ElasticSearch 适用于什么场景

1. 维基百科：全文检索，高亮，搜索推荐等等

2. GitHub：上千亿行的代码搜索

3. 电商网站：搜索商品

4. 日志数据分析：logstash采集数据，ES进行数据分析处理

5. 商品价格监控网站：用户设定某商品的价格阈值，当监控到商品的金额低于这个阈值的时候，就发送消息通知用户

ElasticSearch 的特点

1. 可以作为一个大型分布式集群（数百台服务器）技术，处理PB级别的数据，服务大公司，也可以运行在单机上，服务小公司。

2. ElasticSearch不是什么新技术，主要是将全文检索，数据分析以及分布式技术，合并在了一起，才形成了独一无二的ES，它里面的实现技术很早就有了，比如Lucence的全文检索，分布式数据库mycat，还有商用的数据分析软件，这些都是有的。

3. 对用户而言，是开箱即用的，非常简单，后面的章节会说明为什么是开箱即用的。作为中小型的企业，直接3分钟部署一下就可以再生产环境中使用了。

4. 它相对于数据库来说的话，数据库的功能面对很多领域是不够用的，比如全文检索，同义词处理，相关度排名，复杂数据分析，海量数据近实时处理，ElasticSearch作为传统数据库的一个补充，提供了数据库索不能提供的很多功能。