Mito 1: Elasticsearch é apenas um motor de busca simples

Realidade prática: é um motor de busca distribuído com capacidades de indexação, relevância, agregações e gerenciamento de dados em tempo real.

• Indexação de documentos com mapeamento e analyzers para tratamento de texto, datas e campos numéricos.
• Relevância baseada em score, com tunings de query, boost e custom scoring.
• Agregações (metrics e bucket) para dashboards, estatísticas e análises rápidas sem necessidade de exportar dados.
• Suporte a filtros, suggesters, highlighting e recursos de sugerir autocompletar.

Mito 2: Escalabilidade depende apenas de hardware

Realidade prática: a escalabilidade eficaz vem da arquitetura de índices, da configuração de shards/ réplicas e do gerenciamento de cluster.

• Shards e réplicas definem paralelismo de leitura/gravação e tolerância a falhas.
• Configurações como refresh_interval, merge policy e transações de índice afetam o desempenho geral.
• A arquitetura de cluster, nós mestres e votações determinam estabilidade de liderança e disponibilidade.
• Boas práticas incluem dimensionamento baseado em workload, monitoramento de latência e tuning de consultas.

Mito 3: Mapear dinamicamente é sempre seguro e suficiente

Realidade prática: o mapeamento dinâmico pode levar a conflitos de tipos e desempenho imprevisível; mapeamentos explícitos trazem estabilidade.

• Dynamic mapping pode criar tipos conflitantes quando novos campos aparecem com valores diferentes.
• Campos chave devem ter tipos bem definidos (keyword para exatidão, text com analyzer para busca textual).
• Uso de dynamic templates ajuda a manter flexibilidade sem abrir mão do controle de tipos.
• Manter um mapeamento explícito facilita mantenibilidade, migrações e previsibilidade de desempenho.

PUT /meu-indice
{
  "mappings": {
    "properties": {
      "timestamp": { "type": "date" },
      "level": { "type": "keyword" },
      "message": { "type": "text", "analyzer": "standard" },
      "env": { "type": "keyword" },
      "user_id": { "type": "keyword" },
      "metrics": { "type": "double" }
    }
  }
}

Mito 4: Consultas grandes são sempre lentas; não há saída prática

Realidade prática: com design de índice adequado e técnicas de consulta, é possível manter desempenho estável mesmo em volumes significativos.

• Evite documentos excessivamente grandes; prefira tamanho gerenciável e campos bem definidos.
• Paginação: use from/size com cuidado e prefira search_after para paginação profunda.
• Filtragem prévia (filters) reduz o conjunto de dados examinados pela consulta.
• Use alias, roteamento e caching de consultas para reduzir custo de execução repetida.
• Para agregações, ajuste shard_size e aproveite métricas pré-calculadas quando possível.