通关Elasticsearch面试：核心原理+高频问题+实战加分技巧

1.elasticsearch 了解多少，说说公司 es 的集群架构，索引数据大小，分片有多少，以及一些调优手段 。

• 集群规模：共 15 个节点，其中：

  • 3 个 Master 节点（专职选举与管理）
  • 2 个 Coordinating 节点（主要用于处理查询和请求协调）
  • 10 个 Data 节点（负责数据的存储与检索）
• ES 版本：使用的是 Elasticsearch 7.17（或者你实际使用的版本）
• 部署方式：Kubernetes 上 StatefulSet 部署，使用持久化存储（如 Ceph 或 SSD）

✅ 数据与索引设计：

• 数据总量：每天新增数据在 5000 万 \~ 1 亿条左右，当前历史数据总体量大约在 数百 GB 到 TB 之间，我们定期归档旧数据。

• 索引设计：

  • 按业务通道 + 日期维度进行分索引，比如 log-<channel>-yyyy.MM.dd
  • 每天新建 20\~30 个索引，单索引控制在 10 分片（primary）+ 1 副本，这样便于并发写入和检索。
  • 热数据保留 7 天在热节点，使用 Index Lifecycle Management (ILM) 自动迁移至温节点。

✅ 分片设计与调优：

• 分片规划：

  • 使用 shrink 机制对冷数据索引做分片合并，减少 segment 数量，降低存储与查询开销
  • 分片数量控制在每节点不超过 50 个活跃分片，避免集群不稳定（根据社区推荐 best practice）

• 性能调优：

  • 写入方面：

    • 使用 Bulk API 写入，单批控制在 5MB\~10MB，避免堆积和 GC 压力
    • 减少 refresh 频率（index.refresh_interval: 30s）来提升写入吞吐

  • 查询方面：

    • 使用 keyword 字段做聚合/过滤，text 字段做全文检索
    • 重要查询加 caching，比如 aggregations、scroll、search\_after 分页

  • 存储方面：

    • 启用 doc_values 供排序和聚合使用
    • 禁用 _all 字段，节省空间
    • 热节点采用高性能 SSD，冷节点使用普通机械盘

✅ 使用场景：

• 日志系统：业务日志、接口请求日志、告警记录、链路追踪等
• 全文检索：搜索业务关键词,如歌华搜索节目,走的就是es