是的，您可以使用elasticsearch来存储和分析时间序列数据。
更准确地说，这取决于您的用例。例如，在我的用例（金融工具价格历史数据，正在开发中）中，我能够每秒插入40000个文档（约125字节的文档，每个文档有11个字段-1个时间戳、字符串和小数，意味着5mb/s的有用数据），持续14小时/天，在由公司san支持的单节点（大型现代服务器，192gb ram）上（由旋转磁盘支持，而不是ssd！）。我去存储高达1tb的数据，但我预测2-4tb也可以在单个节点上工作。
所有这些都是默认配置文件设置，除了es\u heap\u大小为30gb。我怀疑通过一些调整可以在硬件上获得显著更好的写性能（例如，我发现很奇怪iostat报告device util为25-30%，就好像elastic正在限制它/为读取或合并保存i/o bandwith一样。。。但也可能是%util对于san设备来说是一个不可靠的指标
查询性能也很好-只要用时间和/或其他字段限制结果数据集，查询/kibana图就会快速返回。
在这种情况下，您不会使用logstash来加载数据，而是直接将大批量插入elasticsearch。https://www.elastic.co/guide/en/elasticsearch/reference/current/docs-bulk.html
你还需要定义一个Mappinghttps://www.elastic.co/guide/en/elasticsearch/reference/current/mapping.html 为了确保elastic按您的需要解析数据（数字、日期等），创建了所需的索引级别等。。
此用例的其他推荐做法是每天（或每月/周，取决于插入率）使用一个单独的索引，并确保创建索引时只有足够的碎片来容纳1天的数据（默认情况下，创建新索引时有5个碎片，当碎片增长到一定大小（通常是几十gb）之后，碎片的性能就会开始下降，但这可能会因您的用例而异（您需要测量/实验）。
使用elasticsearch aliaseshttps://www.elastic.co/guide/en/elasticsearch/reference/current/indices-aliases.html 有助于处理多个索引，是通常推荐的最佳实践。