1.Elasticsearch的功能

（1）分散式的搜尋引擎和資料分析引擎

        搜尋：百度，網站的站內搜尋，IT系統的檢索

        資料分析：電商網站，最近7天牙膏這種商品銷量排名前10的商家有哪些;新聞網站，最近1個月訪問量排名前3的新聞版塊是哪些

        特點總結：分散式，搜尋，資料分析

（2）：全文檢索，結構化檢索，資料分析

        全文檢索：我想搜尋商品名稱包含牙膏的商品，類似：select *  from products where product_name like "%牙膏%"

        結構化檢索：我要搜尋商品分類為日化使用者的商品有哪些，類似：select * from products where category_id = '日化用品'

        部分匹配、自動完成、搜尋糾錯、搜尋推薦

        資料分析：我們分析每一個商品分類下有多少商品，類似:select category_id,count(*) from products group by category_id

  (3)對海量資料進行近實時的處理

        分散式：ES自動可以將海量資料分散到多臺伺服器上去儲存和檢索

        海量資料的處理：分散式以後，就可以採用大量的伺服器去儲存和檢索資料，自然而然就可以實現海量資料的處理了。

        近實時：檢索個數據要花費1小時（這就不要近實時了，離線批處理，batch-processing）;在秒級別對資料進行搜尋和分析。

        跟分散式/海量資料相反的：Lucene，單機應用，只能在單臺伺服器上使用，最多隻能處理單臺伺服器可以處理的資料量。

2.Elasticsearch的適用場景

        國外：

       （1）維基百科，類似百度百科，牙膏，牙膏的維基百科，全文檢索，高亮，搜尋推薦
       （2）The Guardian（國外新聞網站），類似搜狐新聞，使用者行為日誌（點選，瀏覽，收藏，評論）+社交網路資料（對某某新聞的相關看法），資料分析，給到每篇新聞文章的作者，讓他知道他的文章的公眾反饋（好，壞，熱門，垃圾，鄙視，崇拜）
       （3）Stack Overflow（國外的程式異常討論論壇），IT問題，程式的報錯，提交上去，有人會跟你討論和回答，全文檢索，搜尋相關問題和答案，程式報錯了，就會將報錯資訊貼上到裡面去，搜尋有沒有對應的答案
       （4）GitHub（開原始碼管理），搜尋上千億行程式碼
       （5）電商網站，檢索商品
       （6）日誌資料分析，logstash採集日誌，ES進行復雜的資料分析（ELK技術，elasticsearch+logstash+kibana）

       （7）商品價格監控網站，使用者設定某商品的價格閾值，當低於該閾值的時候，傳送通知訊息給使用者，比如說訂閱牙膏的監控，如果高露潔牙膏的家庭套裝低於50塊錢，就通知我，我就去買。

       （8）BI系統，商業智慧，Business Intelligence。比如說有個大型商場集團，BI，分析一下某某區域最近3年的使用者消費金額的趨勢以及使用者群體的組成構成，產出相關的數張報表，**區，最近3年，每年消費金額呈現100%的增長，而且使用者群體85%是高階白領，開一個新商場。ES執行資料分析和挖掘，Kibana進行資料視覺化。

        國內：

        站內搜尋（電商，招聘，門戶，等等），IT系統搜尋（OA、CRM、ERP等等），資料分析（ES熱門的一個使用場景）

3.Elasticsearch的特點：

     （1）可以作為一個大型分散式叢集（數百臺伺服器）技術，處理PB級資料，服務大公司；也可以執行在單機上，服務小公司
     （2）Elasticsearch不是什麼新技術，主要是將全文檢索、資料分析以及分散式技術，合併在了一起，才形成了獨一無二的ES；lucene（全文檢索），商用的資料分析軟體（也是有的），分散式資料庫（mycat）
     （3）對使用者而言，是開箱即用的，非常簡單，作為中小型的應用，直接3分鐘部署一下ES，就可以作為生產環境的系統來使用了，資料量不大，操作不是太複雜
     （4）資料庫的功能面對很多領域是不夠用的（事務，還有各種聯機事務型的操作）；特殊的功能，比如全文檢索，同義詞處理，相關度排名，複雜資料分析，海量資料的近實時處理；Elasticsearch作為傳統資料庫的一個補充，提供了資料庫所不不能提供的很多功能