ElasticSearch 是基于 Lucene 实现的分布式搜索引擎，提供了海量数据实时检索和分析能力。滴滴从 2016 年 4 月开始组建团队，解决 ElasticSearch 在使用过程中遇到的性能问题。并且，随着业务体量的发展，滴滴构建了基于 ElasticSearch 的一站式搜索平台。InfoQ 邀请到了滴滴出行高级专家工程师、QCon 全球软件开发大会（广州站）讲师张亮，请他聊聊滴滴如何基于 ElasticSearch 打造存储成本低、系统稳定性好，易用的搜索中台。
ElasticSearch 在滴滴的应用场景
滴滴自 2016 年 4 月开始组建团队，解决 ElasticSearch 在使用过程中遇到的性能问题。搜索平台的建设是随着业务体量的发展逐步演进的，如今已经发展到有超过 3500+ ElasticSearch 实例， 5PB 的数据存储，峰值写入 TPS 超过了 2000W/S 的超大规模，每天近 10 亿次检索查询。
ElasticSearch 在滴滴有着非常丰富的应用场景：
不同场景业务方对写入的及时性、查询的 RT、整体稳定性的要求都是不一样的，我们对平台提供的服务抽象为索引模板服务，用户可以自助开通相应的服务。
我们内部经过压测、线上调优以及引擎的一些优化，已经将最佳实践，沉淀到标准的 Docker 镜像中，个性化的需求都在索引模板的服务级别进行设置与管控，部分优化如下：
平台稳定性面临的风险与挑战
超大的集群规模和丰富的场景给滴滴 ElasticSearch 平台带来了极大的风险与挑战。主有以下几个方面：
那么，如何解决这些问题呢？欢迎到QCon 全球软件开发大会（广州站）现场与我面对面交流。
如何打造“存储成本低”的搜索中台
目前，在日志与安全分析场景下，存储成本压力很大，属于典型的“写多查少”的场景，我们对存储成本的耗散点进行了深入的分析，整体情况如下：
针对 资源耗散点 ，我们在架构层面进行了优化，整体成本降低了 30%，累积节省了 2PB 的存储，分别从以下几个方面进行了优化
未来发展规划
基于 ElasticSearch 的搜索中台给用户带来的收益
不足点
发展规划
嘉宾简介
张亮，滴滴出行高级专家工程师
曾任华为南研所网盘研发工程师；2014 年 4 月至今任职滴滴出行大数据架构部高级专家工程师。在滴滴任职 5 年，经历从无到有组建团队，主持构建过任务调度系统、业务监控系统、链路跟踪与诊断系统、数据同步中心等架构设计与研发工作，目前在负责数据通道、kafka 服务、数据检索的引擎建设工作，具有丰富的高并发、高吞吐场景的架构设计与研发经验。
另外，张亮将在 5 月 27-28 日的QCon 全球软件开发大会（广州站）上分享「PB级数据检索平台 | ElasticSearch在滴滴的实践」，会有更多干货内容，感兴趣的同学可以到现场与张亮老师面对面交流。目前，大会倒计时 10 天，日程已经上线，所剩席位已经不多，想参与的小伙伴抓紧时间抢票锁定席位啦！有任何购票问题，欢迎咨询票务小助手鱼丸：13269078023（微信同号）。
