与图形数据库相比，将 ElasticSearch 用作社交应用程序的 nosql 数据库有哪些陷阱？
What are the pitfalls for using ElasticSearch as a nosql db for a social application vs a graph database?
我们公司有几个产品，几个团队。一个团队负责搜索，并且正在将 Elasticsearch 标准化为一个 nosql 数据库来存储他们所有的数据，并计划稍后使用 Neo4j 来补充他们的关系数据搜索。
我的团队负责社交应用程序的产品方面（人们有朋友，为公司工作，并且与在公司工作的每个人都是同事，等等）。我们正在将图形数据库视为一种解决方案（在放弃了关系数据库中 n^2 关系的燃烧船之后），特别是 neo4j（Cypher 查询语言是一个美丽的东西）。
我们的一部分数据与搜索团队使用的数据类似，我们需要确保搜索可以同时搜索他们的数据和我们的数据。搜索团队正在推动我们将 ElasticSearch 标准化为我们的数据库，而不是 Neo4j 或任何图形数据库。我相信这是为了标准化和一致性。
我们显然来自不同的地方，搜索问题与产品问题。他断言 ElasticSearch 可以涵盖我们所有的用例，包括用于查找建议的图形查询。虽然这可能是真的，但我真的希望坚持使用 Neo4j，并使用 ElasticSearch 插件来集成他们的搜索。
在这种情况下，为产品数据库选择 ElasticSearch 而不是 Neo4j（反之亦然）是否有任何主要问题？有过类似情况的人有什么指导方针或轶事吗？
我们是这两种技术的重度用户，根据我们的经验，您最好同时使用它们的优点。
在搜索功能、日志管理和方面方面，Elasticsearch 是一款超级优秀的软件。
尽管有他们的图形插件，但如果您想在 elasticsearch 索引中使用大量社交网络和类似关系，您将遇到两个问题：
每次关系发生变化时，您都必须更新文档，当单个实体发生变化时，这种情况可能会很多。例如，假设您的组织有用户在 github 上做出贡献，并且您想要搜索在用户每次在 github 上做出贡献时使用某种语言做出贡献的组织你将不得不重新索引整个组织，计算所有用户的语言贡献百分比等......这是一个简单的例子。
如果您打算使用嵌套字段和 partent/child 映射，您将在搜索过程中降低性能，作为参考，此处引用“搜索调整”文档中的内容：https://www.elastic.co/guide/en/elasticsearch/reference/master/tune-for-search-speed.html#_document_modeling
Documents should be modeled so that search-time operations are as cheap as possible.
In particular, joins should be avoided. nested can make queries
several times slower and parent-child relations can make queries
hundreds of times slower. So if the same questions can be answered
without joins by denormalizing documents, significant speedups can be
expected.
关系在像 neo4j 这样的图形数据库中得到了很好的处理。相反，Neo4j 缺少 elasticsearch 提供的搜索功能，可以进行 full_text 搜索但性能不佳，并且会给您的应用程序带来一些负担。
请注意：当您谈论“存储”时，elasticsearch 是一个搜索引擎而不是数据库（尽管它被广泛使用），而 neo4j 是一个完全事务性的数据库。
然而，将两者结合起来才是成功的过程，我们实际上已经写了一篇文章来描述我们称之为 Graph-Aided Search 的这个过程，其中包含一组用于 Elasticsearch 和 Neo4j 的开源插件，为您提供强大的双向开箱即用的集成。
您可以在此处阅读更多相关信息：http://graphaware.com/neo4j/2016/04/20/graph-aided-search-the-rise-of-personalised-content.html
我们公司有几个产品，几个团队。一个团队负责搜索，并且正在将 Elasticsearch 标准化为一个 nosql 数据库来存储他们所有的数据，并计划稍后使用 Neo4j 来补充他们的关系数据搜索。
我的团队负责社交应用程序的产品方面（人们有朋友，为公司工作，并且与在公司工作的每个人都是同事，等等）。我们正在将图形数据库视为一种解决方案（在放弃了关系数据库中 n^2 关系的燃烧船之后），特别是 neo4j（Cypher 查询语言是一个美丽的东西）。
我们的一部分数据与搜索团队使用的数据类似，我们需要确保搜索可以同时搜索他们的数据和我们的数据。搜索团队正在推动我们将 ElasticSearch 标准化为我们的数据库，而不是 Neo4j 或任何图形数据库。我相信这是为了标准化和一致性。
我们显然来自不同的地方，搜索问题与产品问题。他断言 ElasticSearch 可以涵盖我们所有的用例，包括用于查找建议的图形查询。虽然这可能是真的，但我真的希望坚持使用 Neo4j，并使用 ElasticSearch 插件来集成他们的搜索。
在这种情况下，为产品数据库选择 ElasticSearch 而不是 Neo4j（反之亦然）是否有任何主要问题？有过类似情况的人有什么指导方针或轶事吗？
我们是这两种技术的重度用户，根据我们的经验，您最好同时使用它们的优点。
在搜索功能、日志管理和方面方面，Elasticsearch 是一款超级优秀的软件。
尽管有他们的图形插件，但如果您想在 elasticsearch 索引中使用大量社交网络和类似关系，您将遇到两个问题：
每次关系发生变化时，您都必须更新文档，当单个实体发生变化时，这种情况可能会很多。例如，假设您的组织有用户在 github 上做出贡献，并且您想要搜索在用户每次在 github 上做出贡献时使用某种语言做出贡献的组织你将不得不重新索引整个组织，计算所有用户的语言贡献百分比等......这是一个简单的例子。
如果您打算使用嵌套字段和 partent/child 映射，您将在搜索过程中降低性能，作为参考，此处引用“搜索调整”文档中的内容：https://www.elastic.co/guide/en/elasticsearch/reference/master/tune-for-search-speed.html#_document_modeling
Documents should be modeled so that search-time operations are as cheap as possible.
In particular, joins should be avoided. nested can make queries several times slower and parent-child relations can make queries hundreds of times slower. So if the same questions can be answered without joins by denormalizing documents, significant speedups can be expected.
关系在像 neo4j 这样的图形数据库中得到了很好的处理。相反，Neo4j 缺少 elasticsearch 提供的搜索功能，可以进行 full_text 搜索但性能不佳，并且会给您的应用程序带来一些负担。
请注意：当您谈论“存储”时，elasticsearch 是一个搜索引擎而不是数据库（尽管它被广泛使用），而 neo4j 是一个完全事务性的数据库。
然而，将两者结合起来才是成功的过程，我们实际上已经写了一篇文章来描述我们称之为 Graph-Aided Search 的这个过程，其中包含一组用于 Elasticsearch 和 Neo4j 的开源插件，为您提供强大的双向开箱即用的集成。
您可以在此处阅读更多相关信息：http://graphaware.com/neo4j/2016/04/20/graph-aided-search-the-rise-of-personalised-content.html