Elasticsearch在处理海量订单数据和提供高并发高性能读写服务方面具备一定的能力，但需要合理的架构设计和调优来确保其性能和可扩展性。
以下是一些关键因素和建议：
1. 集群配置：构建一个具有足够计算和存储资源的Elasticsearch集群是至关重要的。通过增加节点数量和分片数，可以提高集群的并发处理和吞吐量能力。合理的硬件配置和网络设置也能对性能产生影响。
2. 数据建模和索引设计：针对订单数据，合理的数据建模和索引设计可以显著提升Elasticsearch的性能。根据查询需求和数据访问模式，选择合适的字段类型、索引策略和分片方式。避免过度索引和不必要的字段存储可以减少索引的大小，提高查询性能。
3. 索引优化和查询调优：通过优化查询语句、使用合适的查询类型和过滤器，以及利用Elasticsearch提供的聚合功能，可以减少查询的复杂度和执行时间。合理利用缓存、查询缓存和请求合并等机制，减少重复查询和网络开销。
4. 数据分片和分布式处理：对于大规模订单数据，合理的数据分片和分布式处理是提高性能和扩展性的关键。根据数据的分布情况和查询需求，选择适当的分片策略和路由规则，确保数据在集群中均匀分布，并能够并行处理查询请求。
5. 硬件和网络优化：为Elasticsearch集群提供高性能的硬件和网络环境是必要的。优化服务器的CPU、内存和磁盘配置，选择高速网络和存储设备，可以提升Elasticsearch的整体性能。
需要注意的是，Elasticsearch是一种分布式系统，对于一些特定的写入场景，例如大量频繁的实时更新操作，可能会对性能产生一定的影响。在设计应用程序时，需要根据具体情况权衡数据的一致性和性能需求。
总体而言，通过适当的架构设计、调优和合理的使用Elasticsearch的功能，它能够胜任处理海量订单数据和提供高并发高性能读写服务的需求。然而，对于非常大规模和复杂的数据集和工作负载，可能需要进一步的优化和定制化开发来满足具体的业务要求。