Elasticsearch面试深度解析：关键知识点与调优策略

"Elasticsearch面试题和答案涵盖了多个核心概念，包括节点配置、主节点选举、性能调优、防止脑裂策略以及大数据量聚合的实现。" 在Elasticsearch中，一个Node的分片分配数量通常是根据官方建议来设定的，避免过多以优化性能。在之前的公司实践中，通常一个Node不会分配超过三个主分片。 Elasticsearch的Master选举由ZenDiscovery模块处理，通过Ping和Unicast机制进行节点间的通信。节点根据node.id排序，并尝试将排序第一位的节点作为潜在的Master节点。当选票数达到n/2+1（其中n为可成为Master节点的数量）并且节点自身也同意时，该节点将成为Master。若未满足条件，则继续选举。 写入调优主要包括以下几个步骤：首先，在写入前将副本数设置为0，关闭刷新间隔(refresh_interval设为-1)，然后使用bulk批量写入以提高效率。写入完成后，恢复副本数和刷新间隔，确保数据的实时性。此外，推荐使用系统自动生成的ID，以避免因手动设置ID导致的不均匀分布。 为防止Elasticsearch集群出现脑裂现象，即网络分区后的多个Master节点，可以通过配置discovery.zen.minimum_master_nodes参数，确保至少一半以上的节点同意新Master，从而避免不一致。 对于大数据量的聚合操作，Elasticsearch提供了cardinality度量，它基于HyperLogLog (HLL) 算法估算字段的唯一值数量。HLL通过哈希运算和位操作进行基数估计，可以根据需求调整精度，以控制内存使用。即使面对亿级数据，也能保持相对低的内存消耗。 关于主分片数量的调整，这是不被允许的。因为主分片数量直接影响文档的路由算法，一旦改变，会导致数据无法正确地分配到对应的分片上，因此主分片数量在索引创建后应保持不变。 Elasticsearch在设计和使用中需要考虑到性能优化、高可用性和数据一致性等关键因素，这在面试中也是考察的重点。理解并掌握这些核心概念对于Elasticsearch的管理和使用至关重要。