Elasticsearch vs Meilisearch vs Typesense

TL;DR

• Elasticsearch / OpenSearch: log forensic + business analytics + query DSL kompleks. Cost tinggi, ops complex.
• Meilisearch: product search end-user, relevance default bagus, footprint kecil. Saving cost vs ES untuk search workload.
• Typesense: similar Meilisearch + cluster HA mature, multi-tenant first-class.
• Verdict: Conditional — ES untuk analytical, Meilisearch / Typesense untuk end-user search. Jangan campur.

Konteks

Saya jalankan ketiga search engine paralel 22 bulan (Agustus 2024 - Mei 2026) di:

• Fintech series-B Jakarta: Elasticsearch self-host 3-node cluster untuk security log forensic + audit query, Meilisearch single-node untuk in-app search (find customer, find transaction, find document)
• BUMN energy Jakarta: Elasticsearch + Logstash + Kibana (ELK) stack untuk operational + security log, evaluasi Typesense untuk knowledge base search 4 bulan

Pengalaman ES sebelumnya: 7 tahun (sejak 5.x era). Meilisearch: 2 tahun. Typesense: 1 tahun.

Pricing (Juni 2026)

Elasticsearch self-host

• Software gratis (Elastic License 2.0 — free for production, no SaaS-of-software clause)
• 3-node cluster GKE Jakarta n2-standard-4 (4 vCPU, 16GB RAM, 1TB SSD per node):
  • Compute: 3 × Rp 1,6 juta = Rp 4,8 juta/bulan
  • Storage SSD 3TB: Rp 1,8 juta/bulan
  • Cross-zone replication: Rp 400 ribu/bulan
• Plus Kibana 1 pod e2-medium: Rp 700 ribu/bulan
• Plus Logstash 2 worker: Rp 1,2 juta/bulan
• Total ES self-host: Rp 8,9 juta/bulan + ops 30-40 jam/bulan

Elastic Cloud managed

• Standard tier setara: USD 850/bulan = Rp 13,6 juta
• Gold: USD 1.500/bulan = Rp 24 juta
• Enterprise: USD 3.000+/bulan

OpenSearch Service AWS

• Setara t3.medium.search × 3: USD 750-1.300/bulan
• Tidak ada region Jakarta — terdekat Singapore (latency 30-50ms)

Meilisearch self-host

• Software gratis (MIT)
• Single-node e2-medium (2 vCPU, 4GB RAM) + 200GB SSD: Rp 920 ribu/bulan
• Untuk fintech saya: 1 cluster 3-node HA: Rp 2,8 juta/bulan
• Meilisearch Cloud (managed): USD 35-499/bulan tergantung tier

Typesense self-host

• Software gratis (GPL)
• 3-node cluster e2-small: Rp 1,4 juta/bulan
• Typesense Cloud: USD 36-500+/bulan

Algolia (managed, sebagai pembanding)

• Build plan: free 10k record, 10k search/bulan
• Grow plan: USD 0,5/1k search, USD 1/100 record
• Untuk 5 juta search/bulan + 500k record: USD 2.500-4.000/bulan = Rp 40-64 juta/bulan

Total search stack

Komponen	Cost/bulan fintech
Elasticsearch self-host (log + audit)	Rp 8,9 juta
Meilisearch self-host HA (in-app search)	Rp 2,8 juta
Total	Rp 11,7 juta/bulan

Bandingkan kalau full managed (Elastic Cloud + Algolia): Rp 70-90 juta/bulan equivalent. Self-host saves Rp 60+ juta/bulan dengan trade-off ops overhead 40-60 jam/bulan.

SLO + performance (22 bulan)

Elasticsearch

Metrik	Target	Realisasi
Indexing latency p99	< 500ms	320ms
Search latency simple query p99	< 200ms	145ms
Search latency aggregation p99	< 2 detik	1,4 detik
Throughput indexing	> 5k doc/s	12k doc/s sustained
Throughput search	> 200 query/s	850 query/s peak
Cluster availability	99,9%	99,87%

Insiden ES 22 bulan: 4 P2 (memory pressure 2x, disk fill 1x, deploy regression 1x). 0 P0.

Meilisearch

Metrik	Target	Realisasi
Search latency p99	< 50ms	22ms
Indexing latency p99 (per document)	< 100ms	65ms
Throughput search	> 1k query/s	4.500 query/s peak
Cluster availability	99,9%	99,95%

Meilisearch sangat snappy untuk end-user search. Default tuning sudah bagus, minimal effort untuk hit SLO.

Typesense (eval 4 bulan)

Metrik	Realisasi
Search latency p99	28ms
Indexing latency p99	78ms
Throughput search	3.800 query/s peak
Cluster HA failover	8 detik (lebih cepat dari Meilisearch HA)

Typesense HA cluster more mature dibanding Meilisearch. Untuk multi-tenant scenario (per-customer index), Typesense API design lebih clean.

Capability comparison

Capability	Elasticsearch	Meilisearch	Typesense
Full-text search	ya (powerful)	ya (typo-tolerant default)	ya (typo-tolerant)
Faceted search	ya	ya	ya
Geo search	ya (geo_point, geo_shape)	ya (basic)	ya
Aggregation kompleks	ya (best)	terbatas	terbatas
Time-series optimization	ya (ILM, data stream)	tidak	tidak
Percolation (reverse search)	ya	tidak	tidak
Vector / semantic search	ya (dense_vector 8.x+)	ya (8.x+)	ya (1.x+)
Multi-language analyzer	ya (50+ language)	ya (10+ language)	ya
Bahasa Indonesia tokenizer	ya (custom analyzer)	basic	basic
Realtime indexing	hampir realtime (1 detik refresh)	realtime	realtime
Cluster HA	mature	maturing	mature
Multi-tenant	manual (separate index)	manual	first-class API
Query DSL	JSON, kompleks	simpler	simpler
Ekosistem (Kibana, Logstash)	mature	terbatas	terbatas
Self-host operational complexity	tinggi	rendah	rendah
Memory footprint per node	16-32GB typical	1-4GB	1-4GB

Search relevance comparison

Workload: search 380k customer record di SaaS B2B (nama, email, NPWP, alamat).

Aspek	Elasticsearch default	Meilisearch default	Typesense default
Setup time	2-3 hari (analyzer + mapping)	30 menit	45 menit
Typo tolerance default	manual (fuzzy query)	otomatis	otomatis
Bahasa Indonesia stem	manual (custom analyzer)	basic	basic
Relevance default kualitas	OK (need tuning)	excellent	excellent
Tuning effort	tinggi	rendah	rendah

Untuk product search end-user dengan query bersifat fuzzy / typo-tolerant: Meilisearch + Typesense default-nya lebih bagus dari ES default. ES bisa mencapai relevance same atau better, tapi butuh tuning analyzer + scoring 1-2 minggu.

Trade-off arsitektural

Pilih Elasticsearch / OpenSearch kalau:

• Log analytics / SIEM (security forensic, audit)
• Aggregation kompleks (timeseries, bucket aggregation)
• Volume document > 100M atau retention panjang
• Integrasi ekosistem (Kibana visualization, Logstash pipeline, Filebeat shipper)
• Vector search dengan dataset besar (8.x+ KNN)
• Query DSL kompleks dibutuhkan

Pilih Meilisearch kalau:

• End-user product search
• Latency p99 < 50ms wajib
• Dataset menengah (1M-50M document)
• Relevance default bagus tanpa banyak tuning
• Self-host operational simple

Pilih Typesense kalau:

• Multi-tenant SaaS (per-customer index)
• Cluster HA matang (lebih dari Meilisearch saat ini)
• Similar Meilisearch fitness
• Real-time indexing wajib

Pilih Algolia managed kalau:

• E-commerce dengan revenue dependent search relevance
• Butuh advanced feature (personalization, A/B test, Insights API, AI ranking)
• Budget premium OK (Rp 40-100 juta/bulan acceptable)
• SLA 99,99% kontraktual penting

HA + DR

Elasticsearch HA

• 3-node cluster minimum (master quorum)
• Replica shard = 2 (1 primary + 2 replica)
• Cross-zone distribution (asia-southeast2-a, b, c)
• RPO: 5 detik (refresh interval default 1 detik)
• RTO: 30-60 detik untuk replica promotion saat primary fail
• Snapshot to R2 daily, retention 30 hari hot + 7 tahun Glacier

Meilisearch HA

• HA via cluster mode (di v1.x stable)
• 3-node cluster: 1 leader + 2 follower
• RPO: ~1 detik
• RTO: ~10-15 detik failover

Typesense HA

• 3-node Raft cluster
• RPO: 0 (synchronous)
• RTO: 5-10 detik
• Lebih mature HA story dari Meilisearch saat ini

Pattern indexing

Elasticsearch indexing pipeline

Service log ──→ Filebeat ──→ Logstash (transform) ──→ ES bulk API
                                                          │
                                                          ├─ retention policy ILM (hot → warm → cold → delete)
                                                          ├─ index lifecycle 30 hari hot + 90 hari warm
                                                          └─ snapshot ke R2 weekly

Tuning produksi:

• Bulk batch 1000-5000 doc / request
• Refresh interval 5-10 detik untuk write-heavy index
• Replica 1 untuk write-heavy, 2 untuk read-heavy

Meilisearch indexing pipeline

Domain database (Postgres) ──→ CDC trigger ──→ Meilisearch document API
                                                  (batch 100-1000 doc)

Saya pakai CDC dengan Debezium → Kafka → consumer push ke Meilisearch. Latency Postgres-to-search: 2-5 detik typical.

Typesense indexing pipeline

Similar Meilisearch. API multi-tenant first-class — 1 collection per customer untuk SaaS.

Common pitfall

1. ES heap size salah. Default 1GB tidak cukup untuk production. Set 50% RAM up to 31GB (compressed oops boundary). 32GB+ = wasted memory.
2. ES query tanpa pagination limit. Query return millions of doc = OOM. Setup search.max_buckets + max_result_window limit. Pakai search_after untuk deep pagination.
3. Meilisearch index lock. Bulk update masuk semua = lock index. Batch update dengan size 1000-5000 + interval, jangan flood.
4. Multi-tenant tanpa per-tenant rate limit. Customer enterprise heavy load = degrade tenant lain. Implement quota per-tenant + circuit breaker.
5. Relevance tidak pernah di-tune untuk Bahasa Indonesia. Default analyzer ES = English. Untuk Bahasa Indonesia: custom analyzer dengan stop word + stemmer Sastrawi (Indonesian-specific). Effort 1-2 minggu, impact relevance signifikan.

Indonesia specific

Tokenizer Bahasa Indonesia

ES: pakai Sastrawi via custom analyzer + sebagai filter token. Setup:

{
  "settings": {
    "analysis": {
      "analyzer": {
        "indonesian_stemmer": {
          "tokenizer": "standard",
          "filter": ["lowercase", "indonesian_stem"]
        }
      },
      "filter": {
        "indonesian_stem": {
          "type": "stemmer",
          "name": "indonesian"
        }
      }
    }
  }
}

Plus stop word list Indonesia (yang, dan, atau, dll). Improve recall 25-35% untuk search Bahasa Indonesia.

Meilisearch: support stop word + synonyms manual. Tokenizer basic, tapi untuk SaaS B2B dengan nama customer + produk relatif simple, default cukup.

Data residency

Self-host ES + Meilisearch di GKE Jakarta = data tinggal di Indonesia. Untuk fintech regulated: wajib. Algolia / Elastic Cloud Singapore region: data keluar Indonesia, perlu disclosure untuk customer.

Hiring

ES engineer di Jakarta: pool moderate. CKS / Elastic Certified Engineer ada beberapa, kompensasi Rp 30-45 juta/bulan untuk senior. Meilisearch / Typesense engineer scarce — train dari ES engineer atau backend engineer (ramp-up 2-3 minggu).

Cost of ownership 36 bulan

Skenario: SaaS B2B + fintech series-B, log + search workload mixed.

Item	Self-host ES + Meilisearch	Elastic Cloud + Algolia	OpenSearch Service + Typesense Cloud
License/SaaS 3 tahun	Rp 0	Rp 2,7 miliar	Rp 1,2 miliar
Infra	Rp 425 juta	Rp 0	Rp 0
Ops engineer	Rp 540 juta	Rp 95 juta	Rp 130 juta
Migration	Rp 60 juta	Rp 40 juta	Rp 50 juta
Total 3 tahun	Rp 1,03 miliar	Rp 2,84 miliar	Rp 1,38 miliar

Self-host paling murah cash, tapi ops effort 540 juta = ~1,5 FTE engineer 3 tahun. Untuk fintech series-B saya, justify ada 1 SRE dedicated search.

Yang surprising

Setelah 22 bulan: Meilisearch tooling sangat mature untuk skala mid-market. Saya start dengan ekspektasi “akan perlu migrate ke ES untuk scale”, tapi 4 juta document + 850 query/s peak masih comfortable di Meilisearch. Threshold migrate ke ES bukan volume — tapi feature (aggregation kompleks, time-series, vector dense).

Surprise lain: Bahasa Indonesia analyzer di ES setelah saya tune dengan Sastrawi ternyata improve search precision (relevance) lebih signifikan dari ekspektasi. Customer support feedback: pencarian customer name dengan typo / ejaan beda sekarang 90%+ hit rate, sebelumnya 65-70%. Worth 2 minggu effort tuning analyzer.

Verdict

Conditional dengan rule konkret:

• Log analytics + security forensic + analytical aggregation: Elasticsearch / OpenSearch self-host atau managed. Default enterprise.
• End-user product search latency-critical: Meilisearch / Typesense self-host. Default SaaS / e-commerce modern.
• E-commerce dengan revenue depend on search: Algolia. Worth premium untuk personalization + advanced ranking.
• Skip campur workload — jangan pakai 1 tool untuk semua. ES bukan untuk search end-user, Meilisearch bukan untuk log analytics.

Threshold konkret transisi self-host ke managed: tim SRE < 0,5 FTE atau ops cost time > Rp 30 juta/bulan. Di atas threshold ini, managed makes economic sense.