es面试100题及答案：深度解析Elasticsearch核心考点

二、 集群架构：分片与副本

理解 ES 的分布式架构是回答高级面试题的关键。ES 将数据水平切分为多个 分片 (Shard)，并通过 副本 (Replica) 提供容错能力。

1. 主分片与副本分片

• 主分片 (Primary Shard)：决定索引的最大容量。写入数据时，通过路由算法（默认 hash(id) % num_primary_shards）确定数据存储在哪个主分片上。
• 副本分片 (Replica Shard)：主分片的拷贝，提供高可用性和读取性能提升。副本分片不能与主分片在同一节点上。

2. 集群状态管理

ES 集群中有一个 Master 节点，负责管理集群状态（Cluster State），包括索引的创建、删除，分片的分配等。集群状态会被缓存到每个节点的内存中，以保证读取性能。当 Master 节点宕机时，集群会从其他 Master eligible 节点中选举新的 Master。

三、 性能调优：搜索与写入优化

在实际工作中，ES 的性能调优是高级工程师的核心竞争力。以下是 es面试100题及答案 中关于调优的高频考点。

1. 写入优化

• 批量写入 (Bulk API)：避免单条写入，使用 Bulk API 一次性提交多条请求，减少网络开销。
• 调整 refresh_interval：默认每秒刷新一次，写入高峰期可调整为 -1 或更大值，减少 Segment 合并压力。
• 关闭副本：在大量数据导入初期，可将副本数设为 0，导入完成后再恢复。

2. 搜索优化

• 避免深分页：ES 不支持 from/size 深分页，因为会消耗大量内存。应使用 search_after 或 Scroll API（仅用于导出，不用于实时搜索）。
• 使用 Filter Context：Filter 查询不参与评分，且结果会被缓存，性能远高于 Query Context。
• 合理设置 routing：通过指定 routing 参数，将相关请求路由到同一个分片，避免全局搜索。

// 搜索优化示例：使用 search_after 实现高效分页
{
  "size": 10,
  "query": {
    "match": {
      "status": "published"
    }
  },
  "sort": [
    { "date": "desc" },
    { "_id": "asc" }
  ],
  "search_after": [1542259200000, "abc123"]
}

四、 实战避坑：Java Client 与常见问题

除了理论，面试官常会询问实际开发中遇到的问题。以下是 es面试100题及答案 中关于实战经验的总结。

1. 拒绝服务 (OOM) 问题

ES 是基于 JVM 的，内存管理至关重要。常见 OOM 原因包括：

• JVM Heap 设置过大（建议不超过 32GB），导致 Full GC 时间过长。
• 聚合查询数据量过大，超出内存限制。
• 深分页导致大量文档加载到内存。

2. 数据一致性

ES 提供最终一致性。写入时，数据先写入主分片，再异步复制到副本分片。如果副本分片未同步成功，主分片依然返回成功。这保证了写入性能，但可能导致短暂的数据不一致。

解决方案：如果业务强一致性要求高，可设置 wait_for_active_shards=1 或 wait_for_active_shards=all，但这会牺牲写入性能。