Grafana Loki 在日志查询方案上与传统 ES 有何主要区别？

Grafana Loki 在 2019 年提出的日志查询方案主要区别于 ES，采用 Scan 方式实现日志搜索和低频分析，这种方式在处理大规模数据时表现出色。

Grafana Loki 和 Elasticsearch 在日志查询方案上的主要区别在于设计目标和使用场景：

设计目标：

Loki 专注于日志聚合和检索，它更轻量级，适合处理大规模的日志数据，优化了标签查询，适合标签驱动的查询模式。
Elasticsearch 是一个全面的搜索和分析引擎，不仅处理日志，还支持多种类型的数据，提供更丰富的分析和可视化功能。
数据模型：
Loki 使用基于标签的数据模型，这使得查询和筛选日志更高效，但可能在复杂搜索和分析场景下功能相对有限。
Elasticsearch 使用JSON文档模型，支持全文搜索和复杂的分析，适用于需要深入分析的日志数据。
资源需求：
Loki 通常需要的存储和计算资源较少，更适合预算有限或对资源效率要求高的环境。
Elasticsearch 在资源消耗上相对较高，但提供了更强大的功能作为回报。
社区和生态：
Elasticsearch 有庞大的社区和丰富的插件生态系统，支持众多集成和扩展。
Loki 的生态相对较小，但与Grafana集成紧密，适合已经使用Grafana的环境。
可参考文档