打算写几篇elasticsearch使用心得。
第一篇，先从elasticsearch与sphinx的横向对比开始。横向对比是反应优点和暴露问题的好方法。我是sphinx阵营转向elasticsearch阵营的，两者都是成熟的开源搜索引擎，各有优劣，这篇文章也可以给纠结使用哪套方案的同学提供一些选择的依据。
• 导入mysql数据生成索引
sphinx：原生支持基于mysql的表建索引
elasticsearch官方文档上，数据都是使用restful接口一条一条插入的，也就是增量更新。在数据量非常大的时候，遍历全表重建一次索引会非常消耗时间。而elasticsearch-rivel-mysql这个项目并不是很靠谱，开发者甚至曾经在git上标明deprecated（现在没了）。反正我是自己另外写了一套。
在导入mysql数据生成索引时，从易用性、可靠性、速度上来看，sphinx优于elasticsearch。
• 增量更新支持
elasticsearch优于sphinx。elasticsearch把增量更新作为首选curd方式；而sphinx使用辅助表的方案不但不优雅，还会让你的其他系统变得复杂起来，在你频繁更改单条数据的时候很容易出错。
• 可视化与辅助工具
kibana是elasticsearch提供的图形化界面，基本功能有：1）读取一个index 2）对一个index写query查询出具体数据 3）通过这些数据生成图表 4）拉几个图表生成一个报表。kibana非常强大，根据这些基础功能，我们已经可以自由定制完成各种复杂需求了。kibana还可以加各种插件，其中最常用的是marvel（性能、状态监控）与logstash（数据收集），非常好用。
反观sphinx tools，还停留在性能监控的阶段，而且还在内测，被elasticsearch的kibana+全家桶甩太远了。
• 搜索算法支持
总的来说，elasticsearch稍微优于sphinx。
• 横向扩展与高可用
elasticsearch是天生为了集群化而设计的。索引如果没有replica就会显示黄灯，有才会亮绿灯。每个节点分为client node、data node、master node三种角色，在合理的配置之下，任意一台（甚至多台）机器炸了，整个集群都能正常运行。elasticsearch还支持动态加机器等等功能，暂不赘述。
sphinx也有master searchd和slave searchd的概念，可以分布式，但想实现高可用就相当复杂了。
elasticsearch优于sphinx。sphinx的劣势不在于做不到，而在于不好用。
• 资源占用
sphinx优于elasticsearch。
不得不说，java在这方面比不上c++。cpu还好，差距不大，内存占用方面真心天差地别。
• 搜索速度
搜索速度主要看怎么配置cluster，越多搜起来就越快。
• nlp支持
这里只说中文nlp。
sphinx：曾经有个叫coreseek的项目，可惜没有继续维护了。
其实双方都可以开发第三方插件，接入国内的ltp或者ictclas都不难。
• 总结
sphinx和elasticsearch都是很优秀的方案，都经历了实战的考验。当时为什么我从sphinx倒戈去了elasticsearch，主要原因是：
1）我有定制ranker的需求，elasticsearch的functional score query刚好满足了我
2）业务越来越大，elasticsearch有更强的横向扩展能力和高可用性
3）可以用kibana整出好看的报表啊！
现在回头一看，elasticsearch发力非常猛，版本迭代如火箭一般，社区也很活跃。我认为这个选择没有出错。