elasticsearch cassandra vs elastic search vs任何其他设计建议

我们需要对存储在rds中的数据运行分析查询。这变得非常缓慢，因为分组查询和不断增加的表大小。 例如，我们在RDS中有以下3个表：

alm(id,name,cli, group_id, con_id ...)
group(id, type,timestamp ...)
con(id,ip,port ...)

每个表的数据量都非常大，并且随着新数据的到来，每分钟都会更新几次

现在，我们希望运行聚合查询，如：

select name from alm, group, con where alm.group_id=group.id and alm.con_id=con.id group by name, group.type, con.ip

我们还希望用户将来运行自定义聚合查询，而不是我们将来提供的修复查询

---

到目前为止，我们正在考虑的选项是转移到Cassandra、Elasticsearch或Dynamo db，以便聚合速度更快。有人能指导如何解决这个问题吗？或者有什么经验？有人知道任何技术都比其他技术有着巨大的优势吗？

卡桑德拉和迪纳莫德与ElasticSearch截然不同。这三种服务都与关系数据库产品截然不同

对于即席分析，具有精心设计的模式的关系数据库可以非常好，直到您需要在多个服务器上拆分数据为止（然后复制问题开始占据优势）。这就是非关系数据库的主要动机。但问题在于，为了解决水平伸缩问题，它们通常会交换一些特性，例如连接和聚合

弹性搜索非常擅长回答搜索查询，但并不擅长聚合（除了非常基本的计数、总和及其估计）。它在索引大量数据方面非常出色，但它无法回答需要复杂交叉索引操作的查询。它也没有那么健壮（有时可能需要重建索引）

如果您有大量数据，并且需要聚合，那么您几乎有两种选择：

如果你可以摆脱离线分析，那么像Spark这样的分布式数据处理框架可以非常高效地为你提供所需的答案

如果您需要在线分析，最常用的方法是预计算聚合并在获得更多数据时进行更新，这样查询的答案可以非常快速，而无需为每个查询处理大量数据

不过，不要害怕混搭。关系数据库和非关系数据库一样有其用途。不过，没有什么灵丹妙药。

另外一个选择是，当您有许多数据字段，并且希望执行聚合或提取一些字段子集以获取大量数据时，这种数据库更适合于“分析”情况

---

最近变得非常流行，Amazon-提供了面向专栏的服务。另外还有其他几个

存储在拼花地板中并有效使用spark、分区

相关问题：次要说明：elasticsearch可以查询多个索引：是的，谢谢。我已经更新了答案。我的意思是ES不是设计用来进行复杂连接的