ES应用风暴

常用于日志收集（分析）系统、实时警报

使用案例

1. 维基百科：全文检索、高亮、搜索推荐。
2. The Guardian (国外新闻网站)：用户行为日志（点击、浏览、收藏、评论） +社交网络数据（对某某新闻的相关看法）、数据分析提供给文章作者以便了解公众反馈。
3. Stack Overflow ：结合全文搜索与地理位置查询,以及more-like-this功能来找到相关的问题和答案。
4. GitHub：Github使用Elasticsearch搜索20TB的数据，包括13亿的文件和1300亿行的代码。
5. 电商网站：检索商品、商品价格监控网站（发送降价通知消息给用户）。
6. BI系统、商业智能、Business Intelligence：BI分析一下某某区域最近3年的用户消费金额的趋势以及用户群体的组成构成。
7. 站内搜索(电商，招聘，门户，等等)，IT系统搜索(OA,CRM,ERP，等等)，数据分析(ES热门的一个使用场景)。

启发

使用ElasticSearch作为主要的后端，作为搜索引擎

在传统的项目中，搜索引擎是部署在成熟的数据存储的顶部，因为早期的搜索引擎不能提供存储或者其他的功能，我们只是为了提高快速检索能力引入

Es提供持久存储、统计等多项强大的功能，是一款现代的搜索引擎，如果你刚开始一个新项目，可以考虑用es作为唯一数据存储，这样设计会更简单，但是这种情况需要个人斟酌是否符合应用场景，场景不支持频繁更新、事务等操作
举个例子：新建的一个博客系统使用es作为存储，我们可以向es提交新的博文存储，使用es进行检索、统计数据等

在现有系统增加ElasticSearch

• 如果原有系统需要事务支持，或者关系复杂，需要考虑在原有的系统基础上引入es的支持，因为es不支持事务（1.x版本不支持，2.x版本支持的不够好）。

• 如果现在需求是在一个复杂系统上新增检索服务而已，那么可以考虑引入es作为系统检索引擎，不建议重构系统，建议在原有数据存储的基础上增加。
  

使用ElasticSearch和现有的工具

假设要部署一个大规模的日志框架存储，搜索，并分析了大量的事件。
处理日志和输出到Elasticsearch，您可以使用日志记录工具，如rsyslog，Logstash，或Apache Flume（flume.apache.org），搜索和可视化界面分析这些日志，你可以使用Kibana。

一篇搞懂ElasticSearch（附学习脑图）
如何系统学习ElasticSearch：死磕 Elasticsearch 方法论（初学者必看）