Java八股文

主题

面试速答（先看这里）

**一句话结论：**在早期版本的 ES 中，节点角色划分其实还是比较模糊的。

60秒标准回答：

在早期版本的 ES 中，节点角色划分其实还是比较模糊的。但从 7.x 版本开始，特别是到了 8.x，ES 强烈推荐并默认使用基于角色的节点分工，来优化集群稳定性

官方文档中有关于目前支持的node roles的介绍

目前支持以上这些，挑一些重点介绍下

**答题顺序：**结论 → 原理/机制 → 关键流程 → 场景与取舍 → 易错点

回答主线：

  • **Master（主节点）：**这是集群的“大脑”，负责管理集群层面的操作。
  • **Master-eligible Node（主节点候选节点）：**为了集群稳定性，通常会设置多个 主节点候选节点，它们不承担数据节点角色，以确保主节点选举的可靠性和集群管理的稳定性。
  • **Data Node（数据节点）：**存储存储分片（包括主分片和副本分片）中的数据），执行CRUD 操作、搜索、聚合、排序等计算。
  • **Coordinating Node（ 协调节点 ）：**协调节点，负责接收客户端（如应用程序）的 REST 请求（搜索、写入等）。
  • **Ingest Node（预处理节点）：**在索引前对文档进行预处理， 可以执行的任务包括：解析 CSV、重命名字段、添加新字段、根据条件删除数据等。

**记忆锚点：**Node → Data → Elasticsearch → Coordinating → data_warm → data_hot

关键取舍：

  • 数据节点是 CPU、内存和 I/O 密集型节点，需要强大的硬件资源。

易错提醒：

  • 一个集群同时只能有一个有效主节点，通过选举产生，避免“脑裂”问题。

加分表达：

  • 但从 7.x 版本开始，特别是到了 8.x，ES 强烈推荐并默认使用基于角色的节点分工，来优化集群稳定性。
  • 所有节点只要没显式禁用，默认都是 coordinating node Ingest Node（预处理节点） 在索引前对文档进行预处理， 可以执行的任务包括：解析 CSV、重命名字段、添加新字段、根据条件删除数据等。

追问准备：

  • 围绕「Node」：底层原理是什么？使用时有哪些边界和常见坑？
  • 围绕「Data」：底层原理是什么？使用时有哪些边界和常见坑？
  • 围绕「Elasticsearch」：底层原理是什么？使用时有哪些边界和常见坑？
  • 如果线上出现异常，你会如何定位、验证并规避？

在早期版本的 ES 中，节点角色划分其实还是比较模糊的。但从 7.x 版本开始，特别是到了 8.x，ES 强烈推荐并默认使用基于角色的节点分工，来优化集群稳定性。

官方文档中有关于目前支持的node roles的介绍：https://www.elastic.co/docs/deploy-manage/distributed-architecture/clusters-nodes-shards/node-roles

image.png

目前支持以上这些，挑一些重点介绍下。

Master（主节点） ​

这是集群的“大脑”，负责管理集群层面的操作。主要用来管理集群状态、创建或删除索引、跟踪其他节点的加入和离开、决定分片（Shard）分配到哪个数据节点上。

  • 一个集群同时只能有一个有效主节点，通过选举产生，避免“脑裂”问题。
  • 主节点不负责与数据文档相关的操作（如索引、搜索），所以它的负载通常不高。

Master-eligible Node（主节点候选节点） ​

为了集群稳定性，通常会设置多个 主节点候选节点，它们不承担数据节点角色，以确保主节点选举的可靠性和集群管理的稳定性。通常配置为奇数个（如3、5 个） 防止脑裂。

Data Node（数据节点） ​

存储存储分片（包括主分片和副本分片）中的数据），执行CRUD 操作、搜索、聚合、排序等计算。数据节点是 CPU、内存和 I/O 密集型节点，需要强大的硬件资源。

Data Node还可以根据数据的冷热情况，进一步细分为更多角色：

  • data_hot
  • data_warm
  • data_cold
  • data_frozen

Coordinating Node（协调节点） ​

协调节点，负责接收客户端（如应用程序）的 REST 请求（搜索、写入等）。路由请求到对应 data/master 节点、以及收集各个数据节点的返回结果，进行合并、排序等最终处理，然后将最终结果返回给客户端。

所有节点只要没显式禁用，默认都是 coordinating node

Ingest Node（预处理节点） ​

在索引前对文档进行预处理，可以执行的任务包括：解析 CSV、重命名字段、添加新字段、根据条件删除数据等。

ML Node（机器学习节点） ​

专用于运行 Elasticsearch 的机器学习（ML）作业。

Remote Cluster Client Node（跨集群搜索节点） ​

用于跨集群搜索功能。

节点角色配置 ​

可以在elasticsearch.yml中如下方式配置节点角色。

plain
# 示例：专用 Master 节点
node.name: master-1
node.roles: [ master ]

# 示例：Hot Data 节点
node.name: data-hot-1
node.roles: [ data_hot, data_content ]

# 示例：专用协调节点
node.name: coordinat

典型架构 ​

以下是ES中各个角色的关系图，来自Elastic中国官方社区。

以下是典型的es集群的配置方案。

节点类型数量角色说明
Master3/5[master]专用，低配（4C8G 即可）
Data HotN[data_hot, data_content]SSD 磁盘，高内存
Data WarmM[data_warm]大容量 SATA，较低内存
Coordinating2~3[]中高内存，处理聚合结果
Ingest可选[ingest]若大量使用 pipeline