Elasticsearch

Motor distribuido basado en Apache Lucene con soporte para clústeres multi-nodo y replicación automática de shards.
Query DSL: lenguaje de consultas JSON que combina texto completo (BM25), filtros exactos, aggregations y geo-queries.
Búsqueda vectorial ANN con HNSW: almacenamiento y búsqueda de embeddings densos y sparse vectors (ELSER).
Piped Query Language (PQL): sintaxis simplificada similar a SQL para consultas comunes, introducida en 2025.
Kibana: visualización de datos, dashboards interactivos, Discover para exploración de logs y gestión del clúster.
Elastic Agent + Fleet: recolección centralizada de logs, métricas y trazas desde cualquier fuente.
ILM (Index Lifecycle Management): gestión automática del ciclo de vida de los datos (hot/warm/cold/frozen/delete).
AutoOps en Elastic Cloud: recomendaciones automáticas de rendimiento, recursos y costes del clúster.

Elasticsearch: el motor de búsqueda que se convirtió en plataforma

Elasticsearch nació en 2010 como un motor de búsqueda distribuido construido sobre Apache Lucene, y en 2026 es mucho más que eso. Es el núcleo de una plataforma que abarca búsqueda empresarial, observabilidad de sistemas, seguridad SIEM y, más recientemente, búsqueda vectorial para aplicaciones de inteligencia artificial generativa. Elastic, la empresa detrás, cotiza en bolsa y ha sido reconocida como líder en el Forrester Wave de Security Analytics Platforms (Q2 2025) y en el Gartner Magic Quadrant de Observability Platforms (2025). No es una herramienta nicho: es infraestructura crítica para organizaciones como Docusign, PepsiCo y UOL.

Arquitectura técnica: distribuido desde el diseño

La arquitectura de Elasticsearch está construida sobre el concepto de clúster distribuido. Los datos se distribuyen en shards (fragmentos) que se replican entre nodos, garantizando alta disponibilidad y escalabilidad horizontal. Un clúster puede escalar desde un nodo en un servidor de desarrollo hasta cientos de nodos en producción sin cambios en el código de la aplicación. La indexación en tiempo real permite que los documentos sean buscables en menos de un segundo tras su ingesta.

La API RESTful es el punto de entrada principal: las consultas se envían como JSON sobre HTTP, lo que facilita la integración con cualquier lenguaje o framework. El DSL de búsqueda (Query DSL) es expresivo y permite combinar búsqueda de texto completo, filtros exactos, agregaciones estadísticas y consultas geoespaciales en una misma operación. En 2025, Elastic introdujo el Piped Query Language (PQL), que simplifica las consultas más comunes con una sintaxis similar a SQL.

Búsqueda vectorial y RAG: el caso de uso del momento

El caso de uso más estratégico de Elasticsearch en 2025-2026 es la búsqueda vectorial para aplicaciones de IA generativa. Elasticsearch almacena y busca embeddings de forma eficiente gracias al algoritmo HNSW (Hierarchical Navigable Small World), que permite búsqueda aproximada del vecino más cercano (ANN) a escala de millones de vectores con latencias de milisegundos. Esto lo convierte en la base de datos vectorial de elección para arquitecturas RAG (Retrieval-Augmented Generation), donde los LLMs necesitan recuperar contexto relevante antes de generar respuestas.

La incorporación de Jina AI (adquirida por Elastic) aporta modelos de embeddings, rerankers y extracción de documentos directamente integrados en la plataforma, eliminando la necesidad de servicios externos para el pipeline de vectorización. Esta integración es una ventaja competitiva frente a soluciones como Pinecone o Weaviate para organizaciones que ya usan Elasticsearch para búsqueda tradicional.

El stack ELK y sus derivados modernos

Elasticsearch funciona en el centro del stack ELK (Elasticsearch, Logstash, Kibana) y su sucesor Elastic Stack, que incluye Beats (agentes de recolección de datos ligeros) y Fleet (gestión centralizada de agentes). Kibana proporciona visualización y análisis: dashboards interactivos, exploración de logs y gestión del clúster. Para ecommerce, las capacidades de análisis en tiempo real permiten monitorizar conversiones, tiempo de respuesta de búsquedas y comportamiento de usuarios sobre los mismos datos que alimentan la búsqueda del catálogo.

Complejidad operativa: el coste oculto

La curva de aprendizaje de Elasticsearch es real y significativa. Diseñar un esquema de índices eficiente requiere entender conceptos como mapping, analyzers, tokenizers y similitud BM25. Una configuración de shards incorrecta —demasiados shards pequeños— degrada el rendimiento y es difícil de corregir sin reindexar. La monitorización del estado del clúster (estado verde/amarillo/rojo) y la gestión de ILM (Index Lifecycle Management) para archivar datos históricos son tareas que requieren dedicación de un ingeniero cualificado.

Elastic Cloud (la versión gestionada en AWS, GCP o Azure) reduce considerablemente la carga operativa: AutoOps gestiona automáticamente las recomendaciones de rendimiento, uso de recursos y costes. El tier Serverless elimina completamente la gestión de infraestructura, cobrando solo por las unidades de búsqueda e ingesta consumidas. Para organizaciones sin equipo de plataforma, Serverless es el punto de entrada recomendado.

Licenciamiento: el cambio que sacudió el mercado

En 2021, Elastic cambió la licencia de Elasticsearch de Apache 2.0 a SSPL (Server Side Public License) y Elastic License 2.0, lo que generó un fork por parte de Amazon: OpenSearch. En 2024, Elastic revirtió parcialmente esa decisión volviendo a ofrecer Elasticsearch bajo licencia AGPL v3, aunque las versiones gestionadas en Elastic Cloud siguen bajo licencia comercial. Este historial de cambios de licencia es un factor de riesgo que los arquitectos de datos deben considerar al evaluar Elasticsearch como componente de infraestructura a largo plazo, especialmente si se plantea el despliegue self-managed.