什么是使用elasticsearch与标准sql查询的一些用例？
我刚刚开始使用Elasticsearch，我已经看到的主要用例之一是在大型数据集上进行search的可扩展性，但除此之外，您还想使用它来仅使用传统的RDMS创buildSQL查询吗？
有两个主要的Elasticsearch用例：
- 文本search
当您进行大量文本search时，您希望使用Elasticsearch，而传统的RDBMS数据库执行得并不是很好（configuration不佳，充当黑匣子，性能较差）。 Elasticsearch是高度可定制的，可通过插件扩展。 你可以build立强大的search没有太多的知识相当快。
- logging和分析
另一个边缘的情况是，很多人使用Elasticsearch来存储来自不同来源的日志（集中它们），所以他们可以分析它们并从中理出。 在这种情况下，Kibana变得方便。 它可以让您连接到Elasticsearch集群，并立即创build可视化。 例如， Loggly是使用Elasticsearch和Kibana构build的。
请记住，您不希望将Elasticsearch用作主要的数据存储。 这里的原因： ElasticSearch作为主要数据存储的可靠性如何，如写入丢失，数据可用性等因素
更新
我觉得第二部分不再是前卫，这实际上就是Elastic公司在过去一年中所做的一切。 随着目前的DevOps移动，CI / CDpipe道，来自不同来源的度量指标的不断增加，ELK成为基础设施监控的实际select，它不再只是一个分布式的RESTful文本search引擎。 它有一个惊人的一套产品：
- Logstash（吨数据input）
- 节拍
- Filebeat
- Metricbeat
- Packetbeat
- Winlogbeat
- Kibana
- graphics
- 天联
- X-Pack（溢价）
- 警报
- 报告
- 安全
- 机器学习
- 跨数据中心指标
由社区构build的生态系统正在围绕ELK堆栈发展，扩大了当前的function，其中很less值得一提：
- ElastAlert
- 护盾
为了增加其他答案，日志logging仍然是一个重要的用例以及search，但是现在指标和分析变得越来越重要。
我相信这篇文章总结了推动大数据新用例的市场变化。 所有你真正需要知道的开源数据库
随着Web 2.0的出现，静态网页已经变得活跃，社交媒体也在我们身边。 每个人都在发微博，发帖，写博客，看video，分享照片，聊天和评论。 物联网（IoT）正在兴起 – 一个快速增长的连接设备networking，用于收集和交换数据，如传感器和智能设备。 这里有一些很好的例子。
总而言之，这会产生大量的企业想要吸收和使用的新数据，以提供诸如产品推荐和更好的客户体验等function。 可以分析数据以寻找应用程序的模式，例如欺诈检测和行为分析。 大部分新数据是非结构化的，这意味着它不能整齐地存储在表格数据库中。
想象一下，试图devise一个数据库来保存你的杂货店的数据 – 你喜欢什么，多久购买一次，不pipe你喜欢牛奶还是奶油和咖啡。 新的数据库types需要存储新的数据，他们需要非关系和理想的低成本。 敲响任何铃声？ 与NoSQL没有关系，在开源中成本低。
我与之谈到的Elasticsearch架构师之一表示，Elasticsearch在公司中使用的数据中有80％是非结构化的，而20％是结构化的。 这是公司正在研究的非结构化数据，以发现罕见或不寻常的数据模式。 他们也使用Elasticsearch来监控数据模式。 例如，一家大型零售商正在使用Elasticsearch进行实时跟踪，以确保人们在商店提供充足的货币供应，以便在工资日进行现金支票。
根据我对search用例的经验，我们不仅使用模糊search，而且演变为自动完成和快速search。 从我所看到的，一旦你开始使用Elasticsearch，你就开始演变成其他用例，补充你现有的东西。 现在我们已经build立了Elasticsearch作为我们公司的模糊search引擎，现在我们有其他团队正在研究分析和度量指标。
以下是有关此主题的其他更多资源：
- Elasticsearch用例，用户故事
- Elasticsearch的使用
- Elasticsearch分析用例
- Elasticsearch用例进行文档存储
- 图与Elasticsearch
- 法医学分析：巴拿马论文与人群智慧
- 用Elasticsearch介绍机器学习
