「这是我参与2022首次更文挑战的第 2 天，活动详情查看：2022首次更文挑战」
本文只简单介绍ElasticSearch（简称 ES）的一些特性，着重介绍ES的使用场景
一、ElasticSearch的特性
ElasticSearch（简称 ES）是一个分布式、高扩展、近实时的搜索与数据分析引擎，它能很方便的使大量数据具有搜索、分析和探索的能力。
特性概括
-
高扩展
es具有开箱即用的横向扩展的能力。随着数据量的增加及查询QPS的升高，es提供了通过增加新的数据节点来解决单点数据过多或单点查询QPS过高的问题。
-
近实时
存入es的数据，从文档索引操作到文档变为可搜索状态之间的延时很短，一般只有一秒
-
全文搜索、查询语法丰富
es是基于开源的Lucene来实现的，提供了丰富的查询语法及全文搜索能力。在实际的生产环境中表现优秀
二、es的实际使用场景（上）
需要丰富的查询条件时
场景：
典型场景如，交易系统中商家端的数据查询能力。举个例子，在操作后台中，商家需要根据日期、状态等条件筛选订单。
在电商交易场景下，需要存储大量的订单信息。每个订单有的信息多种多样，有下单信息、支付信息，退款信息等，订单信息存储一般选用MySQL存储，数据量大时也会选择分库分表，这时候，如果需要丰富的查询条件，如：一段时间内、某个手机号/某个证件号、待使用的订单。如果使用MySQL来查询，会有复杂的联合查询的场景。当单个订单的手机号/证件号有多个时，查询复杂度也会随之上升。
如果建立一个订单主要信息的es检索库，使用es丰富的查询语句，这个场景的问题就可以很容易得到解决。
订单信息如何同步es
- MySQL的Binlog，分析Binlog将数据同步到ES集群中
- 在订单流程中触发ES的更新，直接通过ES API将数据写入到ES集群中
下篇介绍“如何保障订单的数据一致性”及 es的实际使用场景2
