Elasticsearch面试精华：28道经典问题与实战策略

在Elasticsearch的面试中，面试官可能会关注候选人的技术理解和实践经验。以下是一些关键知识点，涵盖了Elasticsearch架构、配置、优化、选举机制以及处理大数据量的聚合方法： 1. 分片策略：在一个节点中，通常建议不要超过三个分片（shards），这是为了保持良好的性能和可用性。分片是Elasticsearch数据的逻辑划分，每个分片存储文档的副本，提高搜索效率。 2. Master选举：Elasticsearch的Master选举由ZenDiscovery模块负责，包括Ping和Unicast两个功能。节点之间通过Ping进行通信，Unicast用于维护一个主机列表以控制节点间的通信。节点根据node.master设置排序，首先选择第一个作为临时Master。如果某个节点的投票数超过半数+1，并且节点自身也同意，则成为正式Master。否则，选举过程将持续直到条件满足。 3. 写入优化：为了提高写入性能，可以采取以下策略： - 在写入前将副本数设置为0，减少数据同步负担。 - 关闭refresh_interval，防止频繁刷新导致性能下降。 - 使用bulk批量写入方式，减少网络往返。 - 写入后恢复副本数和刷新间隔。 - 建议使用自动生成的ID，避免手动指定导致的额外开销。 4. 避免脑裂：脑裂是指多个节点同时认为自己是Master。通过设置`discovery.zen.minimum_master_nodes`参数，确保至少有一半以上的候选节点同意才能成为Master，从而防止脑裂现象。 5. 大数据分析：对于大数据量的聚合，Elasticsearch提供cardinality度量，基于HLL算法计算字段的唯一值数目。HLL算法允许灵活调整精度以平衡内存使用，即使面对数十亿的唯一值，内存消耗主要取决于预设的精度参数。 6. 主分片更改：Elasticsearch的主分片数量一旦在创建索引时确定，就不能更改。这是因为主分片的分配是基于文档ID哈希值和初始设定的数量，更改会导致数据重新路由，影响查询性能和数据分布。 掌握这些知识点，可以帮助候选人展示他们在Elasticsearch的实际应用和维护能力，以及在高并发和大规模数据场景下的性能优化策略。在面试中，候选人应该能够深入解释这些概念并结合具体案例进行阐述。