如果有复杂的搜索业务，使用ES会更好。但是ES对数据的修改不是很友好，使用起来没有数据库方便。放到ES里的数据尽量不要去改动。如果只是普通的读写业务还是建议用MongoDB。根据实际情况进行分析，必要的时候可以两个都用。
一、Elasticsearch和MongoDB怎么选
如果有复杂的搜索业务，使用ES会更好。但是ES对数据的修改不是很友好，使用起来没有数据库方便。放到ES里的数据尽量不要去改动。如果只是普通的读写业务还是建议用MongoDB。根据实际情况进行分析，必要的时候可以两个都用。
MongoDB和Elasticsearch都属于NoSQL范畴的数据库,且都属于文档型数据存储数据库。
所以这两者的众多功能和特性高度重合, 但其实两者定位还是有所不同。
MongoDB是文档型数据库, 提供数据存储和管理服务。
Elasticsearch作为一个搜索引擎,定位是提供数据检索服务,也就是说重点是全文索引，即模糊匹配。
因此，Elasticsearch的设计会有所偏重，比如Mapping不可变,带来的代价就是es不特别擅长作为纯文档数据的管理者, es可以从其他数据源同步数据过来提供全文检索和查询,不特别擅长自己对数据进行存储和管理。
MongoDB有多个存储引擎可以选择, 而且MongoDB不仅看重数据的分析, 对数据的管理同样看重, 总的来说MongoDB更倾向于数据的存储和管理, 可以作为数据源对外提供。
Elasticsearch则有很多插件可以使用,相对来讲Elasticsearch更倾向于数据的查询, 一般情况下elasticsearch仅作为数据检索服务和数据分析平台, 不直接作为源数据管理者.
所以，如果系统中已有mongodb或其他数据库作为主要数据存储，而Elasticsearch主要负责从其中获取部分数据提供快速全文检索即可，即mongdob+Elasticsearch的方案。
延伸阅读：
二、数据库的查询功能实现原理
数据库查询是数据库的最主要功能之一。我们都希望查询数据的速度能尽可能的快，因此数据库系统的设计者会从查询算法的角度进行优化。最基本的查询算法当然是顺序查找（linear search），这种复杂度为O(n)的算法在数据量很大时显然是糟糕的，好在计算机科学的发展提供了很多更优异的查找算法，例如二分查找（binary search）、二叉树查找（binary tree search）等。如果稍微分析一下会发现，每种查找算法都只能应用于特定的数据结构之上，例如二分查找要求被检索数据有序，而二叉树查找只能应用于二叉查找树上，但是数据本身的组织结构不可能完全满足各种数据结构（例如，理论上不可能同时将两列都按顺序进行组织），所以，在数据之外，数据库系统还维护着满足特定查找算法的数据结构，这些数据结构以某种方式引用（指向）数据，这样就可以在这些数据结构上实现高级查找算法。这种数据结构，就是索引。
