选型应根据核心需求：MongoDB适合作为主数据库存储业务数据，支持事务和实时读写；elasticsearch擅长全文检索、模糊匹配与聚合分析，适合搜索与日志场景。两者定位不同，可结合使用。
很多人在选型时会纠结 MongoDB 和 Elasticsearch（ES）该用哪个，其实它们的设计目标和适用场景有明显差异。虽然都能存数据、支持 jsON、提供搜索能力，但定位不同，不能简单互换。
核心定位不同
mongodb 是文档数据库，主要用来持久化存储业务数据，比如用户信息、订单记录等。它强调的是数据的增删改查、事务支持、高可用和水平扩展，适合做应用系统的主数据库。
Elasticsearch 是搜索引擎，设计初衷是全文检索和日志分析。它擅长处理文本分词、模糊匹配、聚合统计，常用于日志系统、商品搜索、数据分析展示等需要快速响应复杂查询的场景。
数据查询方式差异大
MongoDB 支持丰富的 CRUD 操作，语法贴近传统数据库，支持索引、聚合管道、地理空间查询，也支持多文档 ACID 事务，适合结构化或半结构化数据的精确查询。
ES 的查询基于倒排索引，对关键词、短语、模糊匹配、相关性评分优化得非常好。它的 DSL 查询语言灵活，聚合功能强大，特别适合做统计分析和非结构化文本搜索。
- MongoDB 查“用户名为 john 的所有订单”很高效
- ES 查“包含‘退款慢’评价的商品”更合适
写入与读取性能侧重点不同
MongoDB 写入是实时持久化的，保证数据不丢失，读写均衡，适合频繁更新的场景。
ES 写入先写内存再刷盘，默认近实时（1秒可见），不是强一致性，但读取极快，尤其在海量数据下做复杂查询仍有较好性能。
如果你需要高频更新字段（如库存、状态），MongoDB 更稳妥；如果数据写入后基本不变，主要是为了被搜索和分析，ES 更合适。
扩展性和运维特点不一样
MongoDB 支持副本集和分片集群，运维相对成熟，社区版功能已够用，企业级特性丰富。
ES 基于 lucene，天然分布式，集群管理依赖 zookeeper 类机制（通过 master 节点），对 jvm 和内存调优要求高，日志类场景中常见大规模部署。
基本上就这些。简单说：要存业务数据、做主库 → 选 MongoDB；要做搜索、分析、日志处理 → 选 Elasticsearch。两者甚至可以一起用，比如 MongoDB 存原始数据，ES 同步数据做搜索。