Elasticsearch在資料湖中的地位
Elasticsearch在資料湖中的地位:
解讀Elasticsearch:
定位: ElasticSearch作為高擴充套件分散式搜尋引擎,主要滿足於海量資料實時儲存與檢索、全文檢索與複查查詢、統計分析。在如今大資料時代已經成為較popular的儲存選擇。
特點: 由於Elasticsearch使用java作為開發語言、使用lucene作為核心處理索引與檢索,尤其是使用簡單的RestApi隱藏lucene的複雜,使得上手非常容易、海量資料索引與檢索極快。es叢集由於分片和副本的機制實現了自動容錯、高可用、易擴充套件。
開源且流行: Elasticsearch支援外掛機制,社群活躍度高、官網更新頻繁:提供了分析外掛、同步外掛、hadoop外掛、es-sql外掛、視覺化外掛、效能監控外掛等,可以讓我們站在巨人的肩膀上專心研究搜尋需求
不支援: 不支援頻繁更新、關聯查詢、事務
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/15498/viewspace-2219380/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 如何清除 Elasticsearch 中的資料Elasticsearch
- 位元組跳動資料湖在實時數倉中的實踐
- 資料湖+資料倉儲 = 資料湖庫架構架構
- 資料湖
- Spark RDD在Spark中的地位和作用如何?Spark
- 資料湖中加熱資料?
- Product settype在CRM WebClient UI架構中的地位WebclientUI架構
- Flink CDC + Hudi 海量資料入湖在順豐的實踐
- 開源共建 | 中國移動馮江濤:ChunJun(原FlinkX)在資料入湖中的應用
- Elasticsearch在Laravel中的實踐ElasticsearchLaravel
- 資料倉儲、資料湖與湖倉一體的區別與聯絡
- 關於資料湖、資料倉儲的想法
- 資料湖--架構師如何助力“湖加速”?架構
- Shell指令碼在Linux運維工作中的地位!指令碼Linux運維
- Apache Hudi 在 B 站構建實時資料湖的實踐Apache
- 資料湖Iceberg技術在小米的落地與場景應用
- 一文讀懂:本地資料湖丨資料倉儲丨雲資料湖的利與弊
- 資料湖和中央資料倉儲的設計
- 讀資料湖倉05資料需要的層次
- 讀資料湖倉03不同型別的資料型別
- 讀資料湖倉08資料架構的演化架構
- 資料湖架構,為什麼需要“湖加速”?架構
- 讀資料湖倉06資料整合
- 讀資料湖倉02資料抽象抽象
- 阿里云云原生資料湖分析DLA重磅釋出-資料湖管理,助力企業一站式管理OSS資料湖儲存資料阿里
- 基於DataLakeAnalytics的資料湖實踐
- 基於 DataLakeAnalytics 的資料湖實踐
- 萬字詳解資料倉儲、資料湖、資料中臺和湖倉一體
- 資料湖 vs 資料倉儲 vs 資料庫資料庫
- 基於Apache Hudi在Google雲構建資料湖平臺ApacheGo
- 讀資料湖倉01讓資料可信
- 大資料轉型方案:首推資料湖!大資料
- 資料湖 vs 倉庫 vs 資料庫資料庫
- 資料湖會取代資料倉儲嗎?
- 談談資料湖和資料倉儲
- 對話Apache Hudi VP, 洞悉資料湖的過去現在和未來Apache
- 銀行大資料新玩法,構建“一湖兩庫”金融資料湖大資料
- 資料湖揭祕—Delta Lake