如果希望把 ES 作为大型数据库使用，建议注意两个方面的问题：

1、使用场景方面

我们把 ES 定位为分布式的搜索分析型数据库，并通过实际业务验证，可以非常好的支持下列场景：

• 全文搜索：ES 最初的目标场景，非常多的大型互联网公司都在基于 ES 搭建自己的核心搜索，包含 Git 的代码搜索、美团的电商搜索、头条的视频搜索等。ES 在 DB-Engines 的 Search Engine 领域也是常年排名第一。

• 日志实时分析：这是推动 ES 快速发展的场景，从官方统计数字、云上运营经验看，占据了 ES 使用场景的 70%+。Elastic Stack 提供的完整日志解决方案，已经助力 ES 成为日志实时分析的开源首先方案。

• 时序数据处理：我们从 2017 年中开始探索使用 ES 作为时序数据解决方案，逐步完善 ES 的时序处理能力，相比开源的时序数据库，在写入吞吐、查询性能等方面已经追齐、甚至超越竞品，并且很好的支持了腾讯云监控单集群每秒千万级的业务吞吐。受腾讯在时序场景的启发，Elastic 官方也在探索支持 Metrics、APM 等时序场景。

• 其他：社区和公司内也有其他团队把 ES 应用于 OLAP 分析、文档数据库等场景，有需要的团队可结合场景需求评估测试。

由于不支持事务，以及在建立索引方面的计算 / 存储成本，ES 并不适合于 OLTP 及 离线日志数据处理等场景。

2、大规模使用方面

开源 ES 的易用性和完整的日志解决方案，推动 ES 非常快速的发展。但不少用户在大规模应用 ES 时遇到了不少问题，例如稳定性方面有集群易雪崩、压力不均等，成本方面硬盘、内存开销高等。TencentES 在兼容开源 API 的同时，在内核方面做了非常多的优化，用于支撑腾讯云 ES 服务、公司内部大量核心业务，包含日志实时分析、全文搜索、时序数据处理等众多场景。具体内核优化内容简单介绍如下：

可用性

• 自保护机制：提供权限认证、漏斗限流、内存限流、多租户隔离等多层级、全链路的自我保护

• 均衡策略优化：支持节点间、多盘间的分片均衡，避免容量、读写压力不均

• 集群扩展性：单集群达到千级节点，支持 50w 分片，索引创建速度控制在秒级，相比开源提升 30+ 倍

• Bug Fix：修复 Master 阻塞、分布式死锁等已知 Bug，提升集群稳定性

成本

• 堆内存优化：通过 LRU+Off Heap 技术降低堆内存使用 80%，单节点支撑容量由 3T 提升至 20T

• 冷热分离：集群内支持多层级存储设备混部，降低用户成本

• Rollup：支持高性能 Rollup 计算，降低存储成本，数量级级别提升分析性能

性能

• Merge重构：支持时间序 Merge、冷索引自动 merge 等，搜索等场景查询性能提升 50%+

• 查询执行计划优化：基于 CBO 模型优化 Range 查询，长时间范围 Range 查询性能提升 10+ 倍

• 写入性能优化：降低主键唯一性检查开销，支持存储裁剪，性能提升 50%+