Shay Banon creó Compass en 2004.^[4]​ Mientras pensaba en la tercera versión de Compass, llegó a la conclusión de que habría que reescribir grandes partes de su código para “crear una solución de búsqueda escalable”. Entonces creó “una solución construida para ser distribuida desde el comienzo” con la interfaz JSON sobre HTTP, muy común y adecuada para lenguajes de programación que no sean Java.^[4]​ Shay Banon liberó la primera versión en febrero de 2010.^[5]​

En junio de 2014, la compañía anunció la recaudación de US $70 millones en una ronda de financiación Serie C, tan sólo pasando 18 meses de la creación de la misma. La ronda fue liderada por New Enterprise Associates (NEA), además de otros como Benchmark Capital e Index Ventures. Esta ronda obtuvo una financiación total de US $104 millones.^[6]​

• 8.0 (10 de febrero de 2022): búsqueda vectorial nativa, mejoras de seguridad y rendimiento.^[60]​
• 9.1.3 (28 de agosto de 2025, notas del 23–28 de agosto): correcciones y actualizaciones de seguridad; versión estable actual disponible para descarga.^[61]​^[62]​ Véase también la tabla de ciclos de vida (EOL).^[63]​

Históricamente, partes significativas del código se publicaron bajo Apache 2.0. En enero de 2021 se anunció el cambio a doble licencia source-available: Elastic License (ELv2) y SSPL, a partir de la versión 7.11.^[1]​ En 2024, Elastic comunicó la incorporación de AGPLv3 como opción de licencia adicional para el código de Elasticsearch y Kibana.^[64]​^[65]​ La distribución por defecto descargable se rige por Elastic License 2.0.^[61]​

En abril de 2021 Amazon Web Services anunció OpenSearch, un fork de las últimas versiones bajo Apache 2.0 de Elasticsearch (7.10.2) y Kibana, con servicio gestionado y comunidad propia.^[66]​^[67]​ En 2024, AWS anunció el traspaso del proyecto al paraguas de la Linux Foundation.^[68]​ Elastic mantiene que OpenSearch se basa en versiones antiguas y no incorpora lanzamientos actuales de Elasticsearch/Kibana.^[69]​

Elasticsearch utiliza Query DSL (Lenguaje de dominio específico) para realizar las consultas a los documentos indexados. Es un lenguaje sumamente flexible y de gran alcance, además de simple, que permite conocer y explorar los datos de la mejor manera. Al ser utilizado a través de una interfaz de tipo JSON, las consultas son muy sencillas de leer y, lo más importante, de depurar.

Sobre la base de su estructura y componentes, las consultas se componen de dos cláusulas: "Leaf Query Clauses" y "Compound Query Clauses". La primera hace referencia a aquellas consultas que tienen operaciones como "match", "term" o "range", que devuelven un valor específico solicitado. Las segundas se podría decir que son una combinación de la primera, una manera de realizar consultas "conjuntas" para obtener información más compleja y detallada.

Una consulta comienza con la palabra "query" seguida de unas condiciones y filtros dentro, en la forma de un objeto JSON. Existen distintos tipo de consultas que podemos identificar, por ejemplo:

La consulta más básica que se puede hacer. Devuelve todos los objetos que se encuentren indexados:

{
   "query":{
      "match_all":{}
   }
}

Este tipo de consulta se utiliza para realizar una búsqueda donde se busca igualar determinados valores de un término o una frase. Entonces, si buscamos, por ejemplo dentro de nuestra base de datos, todos los objetos cuyo atributo color es verde, tomaría la siguiente forma:

{
   "query":{
      "match" : {
         "color":"verde"
      }
   }
}

Muy similar a la consulta descrita anteriormente, pero en lugar de buscar la coincidencia con un valor solo, chequea con varios campos:

{
   "query":{
      "multi_match" : {
         "query": "montevideo",
         "fields": [ "ciudad", "departamento" ]
      }
   }
}

Este tipo de consultas se utilizan cuando se trabaja con datos como números o fechas, para buscar el valor de un término concreto:

{
   "query":{
      "term":{"animal":"perro"}
   }
}

Otro tipo de consultas son aquellas que buscan por el rango de determinado atributo. Se utilizan distintos operadores ("gte": mayor o igual a determinado valor, "gt": mayor a determinado valor, "lte": menor o igual , "lt": menor):

{
   "query":{
      "range":{
         "rating":{
            "gte":4
         }
      }
   }
}

Se podrían enumerar varias ventajas que brinda esta herramienta. Algunas de las más destacables son las siguientes:

• Al estar desarrollado en Java, es compatible en todas las plataformas donde Java lo sea.
• Tiene una gran velocidad de respuesta.
• Es distribuido, lo que lo hace fácilmente escalable y adaptable a las distintas situaciones.
• Simple realización de respaldos de los datos almacenados.
• Utiliza objetos JSON como respuesta, por lo que es fácil de invocar desde varios lenguajes de programación.

Como todo, ElasticSearch posee algunas desventajas:

• Sólo soporta como tipos de respuesta JSON, lo que lo limita al no soportar otros lenguajes, como CSV o XML.
• Algunas situaciones pueden generar casos de split-brain.

Elasticsearch puede ser usado para buscar todo tipo de documentos. La búsqueda es escalable y casi en tiempo real, soportando tenencia múltiple.^[70]​ “Es distribuido, haciendo que los índices se puedan dividir en fragmentos y cada uno teniendo cero o más réplicas. Cada nodo alberga uno o más fragmentos, actuando como un coordinador para delegar operaciones a los fragmentos correctos. El rebalanceo y ruteo se realizan automáticamente […]”.^[70]​

Utiliza Lucene e intenta hacer todas sus funciones disponibles a través de JSON y Java API. Soporta facetado y percolación,^[71]​ que puede ser útil para notificar si nuevos documentos coinciden con consultas registradas.

Otra funcionalidad llamada "gateway" maneja la persistencia a largo plazo del índice;^[72]​ por ejemplo, se puede recuperar un índice del gateway en caso de una caída del servidor. Soporta peticiones GET en tiempo real y esto lo hace válido para una solución NoSQL,^[73]​ pero carece de transacciones distribuidas.^[74]​

La lista de usuarios destacados de Elasticsearch^[75]​ incluye a Wikimedia,^[76]​ StumbleUpon,^[77]​ Mozilla,^[78]​^[79]​ Quora,^[80]​ Foursquare,^[81]​ Etsy,^[82]​ SoundCloud,^[83]​ GitHub,^[84]​ FDA,^[85]​ CERN,^[86]​ BuscaMil y Stack Exchange.^[87]​ También es el corazón del proyecto europeo de centralización de memorias de traducción para administraciones públicas europeas NEC-TM liderado por Pangeanic dentro del programa "Connectar Europa".

Elasticsearch forma parte de los sistemas de gestión de eventos e información de seguridad, específicamente en la Plataforma ELK (siglas de ElasticSearch-LogStash-Kibana). Elasticsearch también acepta de manera nativa otras herramientas de visualización y exploración, pudiéndose utilizar Grafana y/o Kibana para tales propósitos.^[88]​

• Página web oficial (en inglés)