Top 5 Elasticsearch Use Cases Across Various Industries


Research has been one of the most trusted sources of information for users around the world.

Whenever we search for a keyword in our search bar, we are inundated with the most relevant information at the top and the least relevant at the bottom. In the shortest time and minimum effort, we get quality solutions.

Google has been the leader in search engines that receives millions of new queries every day and presents relevant solutions. Google is however for the common public to send random queries.

Have you ever wondered how Amazon, Netflix, Instacart, Alibaba distribute near-perfect products for our complex search queries?

What all of their search engines have in common is Elasticsearch!

What is Elasticsearch?

Source

Elasticsearch (ES) is an open source, widely distributable and easily scalable enterprise search engine.

Accessible through an extensive and sophisticated API, Elasticsearch can perform extremely fast searches that support your data discovery applications.

Elasticsearch is a distributed search and analysis engine built on Apache Lucene, a Java-based search and index library

Elasticsearch provides data management features such as:

  • Distributed cluster function
  • Sharing Lucene indexes
  • Advanced search
  • Aggregation functionality
  • Capture / restore module

Elasticsearch is considered one of the easiest search engines to develop and customize. It comes pre-built with sensible defaults and hides the complex search and distribution mechanisms from beginners.

Elasticsearch is a preferred choice for e-commerce applications, recommendation engines and time series analysis – logs, metrics and geospatial information.

This search engine encompassed our common daily searches such as autocomplete functionality, contextual suggestions, language content analysis, and more.

Read more: When and why do we use Elasticsearch during application development?

Benefits of Adding Elasticsearch to Applications

Fast full-text search on large amounts of data

Elasticsearch against large volumes of data

Source

The conventional SQL databases are a major problem because they lack the capacity to perform full-text searches, and underperform against loosely structured raw data that resides outside the database.

Elasticsearch fixed this issue with reverse indexes. These indexes consist of a list of unique words that appear in each document, and for each word, a list of all the documents in which it appears.

Search queries that took more than 10 seconds to give results using SQL now give results in 10 milliseconds in Elasticsearch.

Advanced search and recommendations functionality

We all know the “Did you mean?” results, we get our incorrect search queries on Google. Using the powerful Apache Lucene library and native Elasticsearch functionality is how they have shed light on our dumb brains.

Auto-completion

Elasticsearch supports autocomplete functionality which helps direct users to relevant documents as they are entered Using the blur setting, completion suggestions return the probable result even if there is a typo in the query.

Did you mean functionality

Use advanced n-gram language A model that divides words into small morphological tokens that can be matched to user queries, the Elasticsearch API makes it easy to fix queries with typos and suggest the most relevant content.

Highlighters

Highlighters are great for queries against Full text documents. For these types of documents, they can return all occurrences of the queried word or phrase. This can be used to enable the advanced search functionality in customer applications.

Percolators

Recommendation engines which store user interests as queries and compare them to recently added documents such as songs, movies, products are built by percolators.

In this model, user queries are stored as documents in the Elasticsearch index. Each of these queries runs on documents from other indexes to find relevant documents.

Logs and processing

Elasticsearch logs and processing with advanced aggregation features

Source

Fast and granular text search, advanced aggregation features, and the developed capabilities of cluster distribution and partitioning make Elasticsearch an excellent solution for storing and processing logs and metrics.

The preprocessed logs can then be aggregated and analyzed using DSL Elasticsearch queries, filters and other functionalities mentioned above.

In addition, Elasticsearch can be integrated with Kibana to visualize metrics and data providing cluster administrators and data analysts with an excellent representation of cluster and application state.

5 business use cases for Elasticsearch

HappyFresh – Elasticsearch solves multi-latency problem

Elasticsearch fixes HappyFresh multi-latency issue

Source

HappyFresh, the first grocery store and delivery platform in Indonesia, Malaysia, and Thailand, were experiencing search latency issues on their online and mobile e-commerce portals.

HappyFresh replaced its old ecommerce search with Elastic App Search at the very beginning of the COVID-19[feminine pandémie.

L’augmentation du nombre d’utilisateurs a été très bien gérée, car les ingénieurs de HappyFresh ont personnalisé la recherche d’applications et ont permis aux données du site d’être hébergées dans des serveurs cloud régionaux.

Le multiplié par dix du trafic Web et une expérience client améliorée grâce à des recherches plus rapides et plus pertinentes ont permis de maximiser les profits avec des taux de conversion plus élevés, des revenus accrus et une demande accrue des consommateurs.

La recherche d’applications sur Elastic Cloud permet à HappyFresh d’évoluer à une vitesse sans précédent et de gérer facilement 10 fois plus de trafic d’achat lorsque la pandémie de coronavirus frappe. – Fajar Budiprasetyo, directeur technique, HappyFresh

OLX – Elastic Security pour la gestion des données de journal liées à la sécurité

Elastic Security pour OLX

La source

S $ ne pouvait pas évoluer pour capturer le volume et la variété croissants de données de journal liées à la sécurité c’est essentiel pour comprendre les menaces.

Pour une meilleure visibilité élargie de leur parc de données, l’équipe de sécurité OLX a opté pour la solution Elastic Security proposée dans le cadre du Pile élastique.

Après avoir implémenté Elastic Security, OLX a pu augmenter la capacité de collecte des journaux liés à la sécurité à partir de 500 Go par mois à plus 10 To par mois, soit une augmentation de plus de 10x.

Couverture de surveillance des actifs augmentée de 35%, améliorant la capacité d’enquêter sur les alertes dans une vue unifiée.

ShopBack – Index prenant en charge 13 millions de produits et 1000 catégories différentes

Index elasticsearch prenant en charge 13 millions de produits pour ShopBack

La source

ShopBack partenaires avec plus de 1 300 marchands de six pays différents pour attirer les acheteurs en ligne sous forme de récompenses et de nouvelles découvertes en magasin.

Les performances de recherche étaient à la traîne, car les recherches de produits prenaient en moyenne deux secondes tout en affichant une fiche Play Store peut prendre jusqu’à 30.

ShopBack a implémenté un nouveau cluster Elastic Stack pour simplifier la journalisation et la collecte de métriques. Le premier cluster de ShopBack a été créé en quelques heures. Avec un excellent support d’indexation, plus 13 millions de produits et 1000 catégories différentes peut désormais être consulté de manière transparente.

Les recherches de produits prennent désormais aussi peu que une milliseconde et les fiches produits s’affichent en seulement quatre secondes!

Airbus – Elasticsearch pour un accès en temps réel aux documents techniques des aéronefs

Elasticsearch pour un accès en temps réel sur le site Web d'Airbus

La source

Airbus, premier constructeur aéronautique européen, représentait 10 926 avions livrés aux clients sur tous les continents. S’engageant à mettre la documentation de tous ses modèles d’avions à la disposition de ses nombreux acteurs de l’exploitation et de la maintenance, Airbus avait besoin d’un meilleur moteur de recherche.

Le déploiement d’Elastic Stack a permis une 6 To base de données de documents techniques disponibles en moins de 2 secondes via le portail de l’avionneur.

La nouvelle génération d’Elastic Stack personnalisée satisfait 3000 demandes par minute avec un ensemble de fonctionnalités permettant à Airbus de garantir les droits d’accès aux utilisateurs autorisés et de surveiller l’état de santé de la plateforme.

Le gouvernement de la ville de Portland – Elasticsearch Power Pour plus de 200 000 pages

Le gouvernement de la ville de Portland utilise elasticsearch

La source

Avec une population de plus de 600 000, Portland est la plus grande ville de l’Oregon et la deuxième plus grande du nord-ouest des États-Unis.

Le service de recherche de site élastique active la recherche sur le Ville de Portlandle site Web principal de www.portlandoregon.gov, qui contient plus de 200 000 pages.

Cela est devenu l’alternative de recherche Google utilisée par tous les bureaux et bureaux de la ville de Portland pour héberger du contenu public et intranet. Ils fournissent également un support pour diverses applications Web prenant en charge telles que les paiements en ligne, les enregistrements de licences commerciales et les calculs des eaux pluviales.

L’avenir avec Elasticsearch

L’avenir est passionnant pour tous ceux qui souhaitent implémenter Elasticsearch dans leurs applications. Les intégrations de recherche personnalisées en sont encore au début dans des secteurs tels que la livraison hyperlocale, le commerce électronique, les médias sociaux, l’épicerie, la santé, etc.

La prochaine étape est vers des innovations telles que Ouvrir la recherche commerciale, chorus et recherches personnalisées.

Dans les années prospères à venir, Elasticsearch pourrait bien être en mesure de résoudre les requêtes de recherche en un billion de secondes.

Vers l’infini et au-delà!

Ajoutez une elasticsearch personnalisée à votre application



Leave a Reply

Your email address will not be published. Required fields are marked *