Apakah elasticsearch lebih cepat dari mongodb?

Ada aliran pemikiran yang mengatakan bahwa satu database harus dapat memenuhi semua kebutuhan database Anda. Ck. Saat kita mendengar pertanyaan "Jadi, mana yang harus saya pilih untuk aplikasi saya, MongoDB atau Elasticsearch?" . Itu tergantung pada aplikasi Anda, kebutuhan pencariannya, bagaimana Anda ingin mengelola data dan apa yang Anda inginkan dari database Anda

MongoDB vs. Pencarian elastis

Mari kita mulai dengan MongoDB. Pada intinya ini adalah database dokumen yang cukup tradisional. Ini menyimpan dokumen JSON dalam koleksi, tetapi sebelumnya secara diam-diam mengubahnya menjadi BSON, versi biner JSON yang dirancang untuk memudahkan melintasi bidang dan nilai berukuran arbitrer dalam memori (dan pada disk). BSON menambahkan lebih banyak tipe ke model angka dan string JSON yang sangat sederhana untuk membuat segalanya lebih mudah dan lebih efisien untuk diproses. Namun, akarnya sangat banyak, di ranah basis data tradisional bahkan jika itu menyimpan dokumen

Dengan Elasticsearch, akarnya juga terlihat, meskipun warisannya adalah mesin pencari dan pustaka pencarian teks Lucene. Itu juga menyimpan dokumen JSON ke dalam apa yang disebutnya indeks. Tidak ada konversi ke format biner, namun konten dokumen dianalisis dan pengindeksan dibuat berdasarkan analisis tersebut. Analisis itu sendiri didorong dengan menunjukkan nilai dari berbagai bidang yang memiliki tipe dan informasi tipe tersebut digunakan untuk lebih memahami dan mengindeks bidang tersebut. Itulah warisan mesin pencari yang ditunjukkan dengan membuat data yang disimpan dapat menerima banyak kueri ad-hoc yang berbeda

Pilih satu, siapa saja…

Jadi, jika menggali data Anda dengan cara yang berbeda penting maka Anda mungkin menginginkan Elasticsearch dalam solusi Anda. Sebagai aturan praktis yang kami gunakan di rumah, jika Anda memerlukan lebih dari lima atau lebih indeks pada koleksi MongoDB, maka koleksi tersebut adalah kandidat utama untuk dimasukkan ke dalam Elasticsearch

Anda mungkin bertanya-tanya mengapa jumlah indeks itu penting. Setiap kali catatan dimasukkan atau diperbarui, masing-masing indeks tersebut harus diperbarui. Semakin besar indeks, semakin sulit tugasnya. Semakin banyak indeks, semakin banyak tugas berat yang harus dilakukan. Ini berlaku untuk sebagian besar database, tetapi tidak lebih dari MongoDB saat ini

Bukan hanya Elasticsearch

Jadi, Anda mungkin berkata, mengapa tidak menggunakan Elasticsearch sebagai basis data utama Anda. Dengan hanya beberapa indeks, MongoDB secepat yang dibutuhkan sebagian besar aplikasi dan jika Anda membutuhkan kinerja maka skema MongoDB yang disetel untuk indeks minimal sangat ideal. Itu akan mengungguli Elasticsearch dengan kueri pada pengindeksan serupa. Namun ada alasan yang lebih penting untuk tidak menggunakan Elasticsearch - karena dapat kehilangan operasi tulis. Masalahnya diketahui dan dieksplorasi dengan baik. Saat Elasticsearch menemukan dirinya membelah dan mereformasi cluster karena alasan apa pun, penulisan bisa hilang. Masalahnya berasal dari akar mesin pencari dari Elasticsearch dan itu berarti bahwa Elasticsearch bukanlah pilihan yang baik untuk database utama Anda

Elasticsearch bagus sebagai mesin pencari dan satu tugas yang sangat populer adalah menggali log. Log adalah sejumlah besar data semi-terstruktur dan tidak pernah diperbarui. Ini seperti kasus penggunaan yang ideal untuk Elasticsearch dan sangat bagus dalam memberikan analisis ad-hoc dan hasil pencarian pada data semacam itu

Kekuatan dua

Sebelum Anda menganggap pertanyaan tentang database mana yang akan digunakan dijawab, Anda akan melihat pertanyaan yang menggantung di udara tentang indeks MongoDB dan pengaruhnya terhadap kinerja indeks. Di sinilah Elasticsearch kembali berperan. Jika Anda menyimpan indeks MongoDB Anda minimal dan sederhana, tetapi juga memasukkan semua catatan Anda ke dalam Elasticsearch sebagai database sekunder, yang Anda dapatkan adalah database yang disesuaikan untuk transaksi yang efisien dan database sekunder yang dapat disesuaikan untuk pencarian yang cepat, kompleks, dan komprehensif

Jadi bagaimana Anda membangun solusi multi-database seperti ini? . Salah satunya adalah menggunakan driver untuk MongoDB dan Elasticsearch dan menulis aplikasi Anda untuk digunakan saat menulis dan memperbarui. Ini sepenuhnya dapat disesuaikan, tetapi Anda mungkin akan mengabstraksi operasi baca dan tulis Anda sehingga tidak ada yang harus melihat kerumitan di bawahnya

Pilihan lainnya adalah menggunakan driver dwi-bahasa seperti Mogoostastic yang dihubungkan ke Node. js ORM Mongoose dan memungkinkan Anda memilih bidang yang akan diindeks di Elasticsearch serta disimpan di MongoDB. SEBUAH. metode search() kemudian ditambahkan agar Anda dapat mencari catatan menggunakan DSL Elasticsearch Query tetapi mengambil catatan MongoDB. Tentu saja, itu mengikat Anda ke ORM dan plugin itu, tetapi patut dipertimbangkan untuk aplikasi baru

Rute ketiga dan terakhir ke banyak basis data adalah cara Tulis. Jalankan aplikasi Anda dengan MongoDB dan biarkan aplikasi Transporter Compose menyimpan salinan tersinkronisasi dari data tersebut di Elasticsearch. Dengan Elasticsearch tersinkronisasi itu, Anda bebas memperluas aplikasi Anda untuk menanyakannya menggunakan API Elasticsearch dan DSL sambil terus bekerja dengan MongoDB. Itu berarti Anda mempertahankan pilihan untuk bahasa, driver, dan ORM mana yang digunakan aplikasi Anda dan lebih mudah untuk mem-backport solusi ini ke basis kode lama

Dua untuk kekuasaan

Tidak ada database yang akan memenuhi semua kebutuhan penyimpanan dan pencarian Anda. Akan selalu ada kompromi yang dibuat dalam database tujuan umum yang memungkinkan database khusus bersinar. MongoDB adalah database tujuan umum dan Elasticsearch berspesialisasi dalam pencarian, jadi tidak mengherankan jika mereka saling melengkapi.

Pasangan serupa dapat dibuat dengan PostgreSQL atau RethinkDB (juga tersedia di platform Compose) dan Elasticsearch tetapi kombinasi MongoDB/Elasticsearch lebih umum. Itu sebagian karena, sebelum MongoDB 2. 6. Pencarian teks lengkap MongoDB tidak cukup baik dan pencarian teks Elasticsearch kuat

Sekarang, MongoDB 2. 6 memiliki indeks teks bidang tunggal yang "cukup baik", tetapi untuk sesuatu yang lebih kaya dari itu, perhentian pertama Anda adalah Elasticsearch. Lebih penting lagi, Elasticsearch mampu melakukan pencarian yang kompleks dan menyediakan data untuk fitur seperti pelengkapan otomatis di aplikasi Anda. Dengan menggunakan Elasticsearch untuk jenis pekerjaan tersebut, Anda juga memindahkan pekerjaan dari server MongoDB Anda dan menyebarkan bebannya

Jadi, singkatnya, pilih MongoDB untuk penggunaan aplikasi umum dan tambahkan Elasticsearch ketika Anda memerlukan pencarian teks lengkap yang kaya. Ini bukan pertanyaan salah satu/atau di Compose di mana kami memahami bagaimana kekuatan dua (atau tiga atau lebih) teknologi database dapat mendorong aplikasi Anda

Kapan menggunakan Elasticsearch daripada MongoDB?

Bisakah MongoDB menggantikan Elasticsearch?

Apakah Elasticsearch lebih cepat dari MySQL?

Basis data mana yang terbaik untuk Elasticsearch?