Saya baru saja memulai dengan Elasticsearch dan salah satu kasus penggunaan utama yang pernah saya lihat adalah skalabilitasnya dengan pencarian pada kumpulan data yang besar, tetapi selain itu kapan Anda ingin menggunakannya hanya dengan membuat kueri sql dengan RDBMS tradisional?
elasticsearch
use-case
James Drinkard
sumber
sumber
Jawaban:
Ada dua kasus penggunaan Elasticsearch utama:
Anda menginginkan Elasticsearch saat Anda melakukan banyak pencarian teks, di mana database RDBMS tradisional tidak berkinerja sangat baik (konfigurasi yang buruk, bertindak sebagai kotak hitam, kinerja yang buruk). Elasticsearch sangat dapat disesuaikan, dapat diperpanjang melalui plugin. Anda dapat membuat penelusuran yang canggih tanpa banyak pengetahuan dengan cukup cepat.
Kasus edge lainnya adalah banyak orang menggunakan Elasticsearch untuk menyimpan log dari berbagai sumber (untuk memusatkannya), sehingga mereka dapat menganalisis dan memahaminya. Dalam hal ini, Kibana menjadi berguna. Ini memungkinkan Anda terhubung ke cluster Elasticsearch dan langsung membuat visualisasi. Misalnya, Loggly dibuat menggunakan Elasticsearch dan Kibana.
Ingat, Anda tidak ingin menggunakan Elasticsearch sebagai penyimpanan data utama Anda. Alasannya di sini: Seberapa andal ElasticSearch sebagai datastore utama terhadap faktor-faktor seperti kehilangan penulisan, ketersediaan dataMemperbarui
Saya merasa bagian kedua tidak lagi tegang, sebenarnya apa yang telah dilakukan Elastic sebagai perusahaan dengan sangat baik pada tahun lalu. Dengan pergerakan DevOps saat ini, pipeline CI / CD, peningkatan jumlah metrik dari berbagai sumber, ELK menjadi pilihan defacto untuk pemantauan infrastruktur, tidak lagi hanya mesin pencari teks RESTful yang terdistribusi. Ini memiliki serangkaian produk yang luar biasa:
Sebuah ekosistem, dibangun oleh komunitas, tumbuh di sekitar tumpukan ELK yang memperluas fitur-fitur saat ini, beberapa di antaranya layak untuk disebutkan:
sumber
Sebagai tambahan dengan jawaban lain, Logging masih menjadi kasus penggunaan utama serta pencarian, tetapi sekarang metrik dan analitik menjadi lebih penting.
Saya percaya bahwa posting ini merangkum perubahan di pasar yang mendorong kasus penggunaan baru untuk Big Data. Semua yang benar-benar perlu Anda ketahui tentang Database Sumber Terbuka
Salah satu Arsitek Elasticsearch yang saya ajak bicara mengatakan bahwa 80% data yang digunakan Elasticsearch di perusahaan tidak terstruktur, sementara 20% terstruktur. Ini adalah data tidak terstruktur yang dicari perusahaan untuk menemukan pola data yang langka atau tidak biasa. Mereka juga menggunakan Elasticsearch untuk memantau pola data. Misalnya, pengecer besar melakukan pelacakan waktu nyata dengan Elasticsearch untuk memastikan persediaan uang yang cukup di toko bagi orang-orang untuk mencairkan cek pada hari pembayaran.
Dalam pengalaman saya dengan kasus penggunaan penelusuran, kami tidak hanya menggunakan penelusuran tidak jelas, tetapi juga berkembang menjadi penelusuran lengkap dan cepat. Dari apa yang saya lihat, setelah Anda mulai bekerja dengan Elasticsearch, Anda mulai berkembang menjadi kasus penggunaan lain yang melengkapi apa yang sudah Anda miliki. Sekarang kami telah menetapkan Elasticsearch sebagai mesin pencari fuzzy di perusahaan kami, kini kami memiliki tim lain yang mempelajari analitik dan metrik untuk logging.
Berikut beberapa sumber tambahan yang membahas lebih mendalam tentang topik ini:
sumber