Elasticsearch在數據、檢索、分析和視覺化，本地一向比較冷門。因為Splunk的入手較易，用戶較多，生態系統較大，認識Elasticsearch用戶較少。
不過Elasticsearch在公有雲和DevOps愈來愈流行，不少人用來監察系統和應用。Elasticsearch以開源Lucene作為核心，以JSON儲存資料，即時的分析和搜尋，速度極高。
事實上，Elastic在開源世界流行，亦因為陸續開階了高階功能，從Elastic股價走勢亦可看出策略成功。Elastic Stack下載次數已超過了二億次，可見學習的社群龐大，網上檢索Elastic次數和討論社群之多；可見學習Elastic Stack用戶不少。Elastic的商業模式，部分功能屬於免費，少數高階功能則須付費。Elastic的檢索和搜尋部分一向免費，並且可以用Kibana以視覺化表達，Elastic Stack的最重要版本升級可數Elastic Stack 6.3，開源了X-Pack功能，增加了保安、警報、報表、圖表分析、APM介面、Elasticsearch SQL、機器學習等各方面功能，包含免費的基礎版訂閱內。Elastic的X-Pack用例，也在開源後迅速增長。
分散追蹤應理而生
Elastic的APM前景樂觀，原因還是配合容器化和微服務興起，APM（應用性能管理）需求變化。應用架構正從單體系統，逐步變身為以Kubernetes等實現的微服務；業務邏輯變成了微服務（Microservices）之間的調用與請求；DevOps時代的APM診斷與分析，也更重要。阿里雲很早就與Elastic合作，搭建ELK日誌系統以支援分散式的追蹤（Distributed tracing）。
單一Node.js跟蹤單一的應用，對於開發故然有用。現代系統管理的APM強調多服務和分散式追蹤，以迎合微服務架構運作。Elastic的APM 6.5已推出了分散式跟蹤測試；6.6成為正式版本，免費提供基礎訂閱。
分散式追蹤可呈現多個服務的關係，例如從最簡單微服務架構，服務請求可能先從客戶端，發到負載平衡器（Load balancer），經認證服務後再行計費，然後請求資源，再返回結果。日誌採集存儲後，分散式追蹤系統以時間軸時序圖（Timeline），呈現不同服務的Trace。
去年，Elastic收購Opbeat，Opbeat的UI簡潔和易用，開發人員內來蒐集應用的請求、反應、數據庫交易、錯誤訊息等。而且Elastic的APM還可以跟Git整合，整合後打開Kibana，就可以看到APM的Dashboard和用戶介面，相當方便。Elastic APM 亦相容OpenTracing；為解決不同分散式追蹤系統API的不相容，業界提出了OpenTracing規範，通過提供與平台無關、廠商無關的 API，簡單統一不同的追蹤系統。所以Elastic的APM也可兼容其他跟蹤系統。
凍結索引長期保留
Elastic Stack 6.6 版本也增強索引生命週期管理和凍結索引（Frozen indices），凍結索引可以大幅降低內存要求，還可以降低硬體要求，儲存引節點的要求降低，方便長期數據保留。可以像查詢開放索引一樣，對凍結索引進行查詢，但是由於佔用內存較少，查詢速度會略受到影響。
用戶可以保存索引，同時管理硬體支出，可以幫助用戶降低佔用內存和硬體成本。凍結索引也是提供予免費的基礎版訂閱。
Elasticsearch 6.6則引入了由 Bkd 樹儲存格式提供支援的地理圖形，這些地理圖形能夠提高地理數據的儲存密度，並加快此類數據的查詢速度。
Bkd 樹加強地理索引查詢
Elasticsearch 6.6則繼續專注於儲存和性能方面，引入由 Bkd 樹提供支援的地理圖形，查詢地理圖形數據時，存儲和性能上均大幅提升。基於 Bkd 樹、更加高效的儲存格式擁有多項優勢。Bkd樹支援的地理圖形，亦為一項 Elastic Stack 開源功能。
針對 Auditbeat 數據的預配置 Machine Learning 作業，可用來檢測審計數據中的不正常活動，尤其是系統安全相關異常活動。Elastic Cloud Enterprise 2.1 啟動包，則支持跨集群搜索和IP 篩選。