我远不是一个分布式计算Maven，但我在这里遗漏了什么还是你在比较两个完全不同的东西？
hadoop是一个分布式批处理计算平台，允许您运行数据提取和转换管道。es是一个搜索和分析引擎（或数据聚合平台），允许你，比方说，索引hadoop作业的结果，以便进行搜索。
所以一个完整的管道应该是这样的：
数据-->hadoop/spark（mapreduce或其他范例）-->管理数据-->elasticsearch/lucene/solr/etc。
您可能只想提取和/或转换数据，而不使用elasticsearch。您还可能遇到这样的情况：您的数据源不需要分布式批处理范式，或者不适合分布式批处理范式，在这种情况下，hadoop对您没有任何用处。
您可能会感到困惑的是，es提供了elasticsearch hadoop，可以说，直接插入hadoop可以为您提供“一体化”解决方案。
希望有比我知识渊博的人也能参与进来。

我也在问自己同样的问题，我想这几乎回答了我们现在的问题：
elasticsearch已经开始超越搜索引擎，并增加了一些分析和可视化功能，但它的核心仍然是一个主要的全文搜索引擎，对复杂的计算和作为查询一部分的聚合提供较少的支持。
所以这取决于你的用例（如此多的文本分析->elk；这么多的聚合和计算->spark）虽然很模糊：
elasticsearch和ApacheHadoop/spark可能在一些非常有用的功能上有重叠，但每个工具都有特定的用途，我们需要选择最适合给定需求的工具。如果我们只想通过关键字定位文档并执行简单的分析，那么elasticsearch可能适合这项工作。如果我们有大量的数据需要各种不同类型的复杂处理和分析，那么hadoop提供了最广泛的工具和最灵活的方式。但好在我们不局限于一次只使用一种工具或技术。我们总是可以根据我们需要的结果来组合。众所周知，hadoop和elasticsearch结合使用效果最好。未来，随着这些技术的发展速度，这些界限将变得更加模糊。
参考文献：
https://thecustomizewindows.com/2017/02/apache-hadoop-spark-vs-elasticsearch-elk-stack/