Расскажите о кейсе, в котором с помощью агрегации данных в Elasticsearch вы сократили поиск по истории транзакций с 2–5 секунд до 150 миллисекунд: какие были исходные данные и архитектура, что именно изменили и какой получили результат?

Мы использовали Elasticsearch для организации быстрого полнотекстового и фильтрационного поиска по транзакциям. В системе хранится порядка нескольких миллионов транзакций, и обычные реляционные базы данных не обеспечивали нужную скорость отклика при сложных запросах.

Elasticsearch индексирует данные, что позволяет мгновенно искать по различным полям, включая даты, суммы, статусы и другие атрибуты транзакций. Это значительно ускоряет работу интерфейса и аналитических инструментов.

Польза:

• Быстрый отклик на запросы пользователей и аналитиков.
• Возможность сложных фильтров и агрегаций.
• Масштабируемость при росте объёмов данных.

Пример запроса на поиск транзакций по сумме и дате:

{
  "query": {
    "bool": {
      "must": [
        { "range": { "amount": { "gte": 1000 } } },
        { "range": { "date": { "gte": "2024-01-01" } } }
      ]
    }
  }
}