携程使用
Elasticsearch 统一收集日志，并用 Kibana 轻易地把数据可视化。
在运维和业务层面，
Elasticsearch 都帮助携程解决很多问题且优化流程。
携程网站具有海量数据，
而 Elasticsearch 的水平扩展能力以及可视化和可调试的特点，替他们带来很大的便利。
公司概览
携程创立于 1999 年，总部设于中国上海，现为亚洲领先的网上旅行社，业务包括酒店、机票及火车票预订、旅游团、商务旅游管理等全方位旅游服务。 2003 年，携程于美国纳斯达克证券交易所上市，至今公司市值已上升超过 30 倍。 2014 年，公司总交易额达 245 亿美元，总佣金收入达 13 亿美元。
攜程与 ELASTIC 携手合作的旅程
收集日志并把数据可视化
在 2014 年年初，公司最大的痛点就是当时日志还没有集中搜集起来，所有的系统和服务器的日志散步在各自的服务器上面，每次出现问题排查的时候，研发人员都需要登录到相对应的服务器，但这种方式效率非常低下，解决问题耗时非常长，所以当时运维的负责人就给我们提出一个需求，这些服务器上的日志有没有办法把它统一的收集起来，在我们需要的时候能够随时的查看。当时我们比较了各种不同的方案，才发现可利用 Elasticsearch 作为后端，透过 Logstash 把数据收集起来，然后再用 Kibana 简单地把数据可视化。
携程在很早期已经开始使用 Elasticsearch，见证着不同版本的用户体验升级，包括引入SKbroker去提早熔断坏查询、数据模型的设计改善、简化故障恢复流程等。
使用 Elasticsearch 在运维和业务层面协助公司
在公司的运维方面，携程主要是使用 Elastick Stack 这个一套工具，来处理数据的收集分析。他们的架构在这几年的变化很大，最早期是参照经典的 Elastic Stack 架构，使用 Logstash 收集数据，并用 Redis 作为中间缓存，后面用logstash做数据的解析。随着携程不停改进架构，目前转为使用基于磁盘阵列的 Kafka 作为中间缓存，提高吞吐量和容错性。
在公司的业务层面，携程旅行网高级技术经理胡航表示：”要求所有业务人员迅速学习 Elasticsearch 并广泛应用，我们觉得可能需要花一些时间，比较费时间，所以之前我们做了一个自己的简单版客户端，后来发现 Elasticsearch 比我们想象中要更容易学习和使用，所以我们现在把这个结构改掉了，变成由我们提供这个框架，把业务相关的一些数据收集起来，然后综合成一个 Elasticsearch 的文档，复制到 Elasticsearch 上。”
Elasticsearch 有助公司扩展数据的查询能力和数据量
携程技术保障部系统研发总监吴晓刚认为，Elasticsearch 其中一个优点在于其水平扩展能力，他说：”搜索引擎大多是基于 Lucene 去做的，Elasticsearch 就是能造成这种伺服器形式对外提供，对于用户来说，不用担心整个数据的分布底层如何运作，能把这个任务交给整个后端服务去做，方便扩展数据的查询能力和数据量，这个对于特别是像携程具有海量数据的这种网站来说，是非常有用的，否则公司需要耗费过多精力去优化底层。”
Elasticsearch 的可视化和可调试的特点，亦为携程带来很大的便利。他们过往是基于 Lucene 自己封装一套代码，这套代码实现功能起来比较方便，但是一旦出问题便要重新审视代码逻辑，查询语句如何生成等，没法直观的解决问题。然而，他们转到 Elasticsearch 后，可以直接看到 QueryDSL 生成和 Mapping，更可直接查看数据。
携程在 Elasticsearch 建立的系统规模十分庞大，目前在生产环境所有的，截止现在所有线上运行的集群数量是在 94 个，数据节点的数量加起来像是超过 700 多个。最大的集群就是做日志分析，目前这个集群的数据节点数量已经超过了 330 个。
