MySQLES能为你解决什么问题，又会带来什么问题？( 二 ) |ElasticSearch|数据库|数据结构|

分布式搜索分片本身就是一个完整的搜索引擎，它可以使用单一节点的所有资源。主分片或者复制分片都可以处理读请求——搜索或文档检索，所以数据的冗余越多，能处理的搜索吞吐量就越大ES 集群中每个节点通过路由都知道集群中的文档的存放位置，所以每个节点都有处理读写请求的能力。在一个写请求被发送到某个节点后，该节点即为协调节点，协调节点会根据路由公式计算出需要写到哪个分片上，再将请求转发到该分片的主分片节点上。如果是查询操作，则协调节点会将请求分发到其他分片上，其他分片查询结果之后再由协调节点将数据组装返回。

所以，引入ES ，能够实现帮你解决数据量多，分布式查询问题。同时ES会自动的替你对所有字段建立索引，以实现高性能的复杂聚合查询，因此只要是存入ES的数据，无论再复杂的聚合查询也可以得到不错的性能，而且你再也不用为如何建立各种复杂索引而头痛了。另外， ES支持多种分词器，对全文搜索支持更加高效。
ES引入会有什么样的问题

字段类型无法修改、写入性能较低和高硬件资源消耗ES需要在创建字段前要预先建立Mapping ， Mapping中包含每个字段的类型信息， ES需要根据Mapping为字段建立合适的索引。由于这个Mapping的存在， ES中的字段一旦建立就不能再修改类型了。 ES在数据结构灵活度上高于MySQL但远不如MongoDB
不支持事务,JOIN
吃硬件ES的排序和聚合（Aggregation）操作会把几乎所有相关不相关的文档都加载到内存中，一个Query就可以很神奇地吃光所有内存，现在新的Lucene版本优化了基于硬盘的排序，但也仅当你使用SSD的情况下，才不会牺牲过多的搜索性能。其他的问题还包括，大量的增量写操作会导致大量的后台Merge ， CPU和硬盘读写都会很容易达到瓶颈。 ES确实在横向Scale方面做的很出色，但前提是有足够的预算买硬件。
数据实时性每当有新增的数据时，就将其先写入到内存中，在内存和磁盘之间是文件系统缓存，当达到默认的时间（1秒钟）或者内存的数据达到一定量时，会触发一次刷新（Refresh），将内存中的数据生成到一个新的段上并缓存到文件缓存系统上，稍后再被刷新到磁盘中并生成提交点。因此，从Index请求到对外可见能够被搜到，最少要1秒钟的数据延时。
不支持数据的权限管理

总结 ES香不香看你怎么用。有人用的很爽，有人用的很痛苦。用好了就少加班调索引，调sql 。用不好就常加班调ES 。
优点：
1.高并发
2.容错能力比mg强。比如1主多从，主片挂了从片会自动顶上
3.满足大数据下实时读写需求，无需分库（不存在库的概念）。
4.易扩展。分片数据自动均衡5.支持较复杂的条件查询， group by、排序都不是问题
缺点：
1.不支持事务
2.读写有一定延时
3.无权限管理
【MySQLES能为你解决什么问题，又会带来什么问题？】4.吃硬件