1数据量大查询一万条数据要从庞大的数据集中检索并返回结果数据量庞大，ES要进行大量的计算和遍历，导致查询时间增加2查询复杂度高查询请求包含复杂的查询条件聚合操作或排序要求，ES要进行更多的计算和处理，增加查询时间3硬件资源限制ES集群的硬件资源有限，如CPU内存或磁盘IO等；云计算ES是指云计算环境下的ElasticSearch，它是一种分布式的全文搜索和分析引擎，在云计算环境下可以快速高效地处理大量数据它可以用于日志分析数据挖掘商业智能等领域，广泛应用于金融电商游戏等行业云计算ES的实现需要依赖于云计算服务商的平台，如AWS阿里云腾讯云等云计算ES在处理大规；es数据存储在内存还是磁盘首先对于这样一个程序里面的数据，我们一般会把它存在磁盘里面，而不是存储在内存，它是一般会选择的是磁盘。

es不可以一天存百万条数据es一天最大的存储量是90万条数据，所以es不可以一天存百万条数据es全称ElasticSearch，是一个基于Lucene的搜索服务器；好1速度es聚合几百万数据是专门为文本搜索而设计的，使用者可以通过简单的API查询所需文档并得到响应2扩展es聚合几百万数据可以轻松地分配分布在多个节点上的数据和操作，用户可以轻松地扩展并提高性能。

放es数据如下1日志数据ES适合存储日志数据，可以使用Logstash将不同来源的日志数据收集到ES中，通过Kibana进行可视化分析2指标数据多种指标数据，如CPU内存网络流量等，都可以用ES存储并进行分析，可以帮助监控和诊断系统性能3地理数据ES支持GeoJSON格式，可以对地理数据进行索引和查询；我们使用Elasticsearch存储的文档数量接近50亿算上1份复制，接近 100亿文档，总共10个数据节点和2个元数据节点48GB内存，8核心CPU，ES使用内存达到70%，每天的文档增量大概是3000W条速度 持续增加中目前来看，单个文档的查询效率基本处于实时状态对于1到2周的数据的聚合统计操作也可以在10。

数量级在亿级或以上如数据集非常大，数量级在亿级或以上，可能需要使用es来存储和检索数据，es集群存储数据量达到10亿；2 数据量按道理说两者都是支持海量数据的，但是据我个人感觉，HBase可能更容易支持更多的数据，因为其一开始设计就是解决海量问题的而ES是后来慢慢增强其存储扩展性的那么也就是说，HBase上手起来扩展性不太会阻碍你使用ES可能要多费点劲当然，听说也有人写了ES基于Azure或者S3的存储插件。