1. 为什么要使用Elasticsearch？

系统中的数据，随着业务的发展，时间的推移，将会非常多，而业务中往往采用模糊查询进行数据的搜索，而模糊查询会导致查询引擎放弃索引，导致系统查询数据时都是全表扫描，在百万级别的数据库中，查询效率是非常低下的，而我们使用ES做一个全文索引，将经常查询的系统功能的某些字段，比如说电商系统的商品表中的商品名，描述，价格还有id这些字段我们放入ES索引库里，可以提高查询速度。

2.Elasticsearch的master选举流程？

• Elasticsearch的选主是ZenDiscovery模块负责的，主要包含Ping(节点之间通过这个RPC来发现彼此)和Unicast(单播模块包含一个主机列表以控制哪些节点需要ping通)这两部分
• 对所有可以成为master的节点(node.master:true)根据nodeId字典排序，每次选举每个节点都把自己所知道节点排一次序，然后选出第一个(第0位)节点，暂且认为它是master节点。
• 如果对某个节点的投票数达到一定的值(可以成为master节点数n/2+1)并且该节点自己也选举自己，那这个节点就是master。否则重新选举一直到满足上述条件。
• master节点的职责主要包括集群，节点和索引的管理，不负责文档级别的管理；data节点可以关闭http功能。

3.Elasticsearch集群脑裂问题？

"脑裂"问题可能的成因：

• 网络问题：集群间的网络延迟导致一些节点访问不到master，认为master挂掉了从而选举出新的master，并对master上的分片和副本标红，分配新的主分片
• 节点负载：主节点的角色既为master又为data，访问量较大时可能会导致ES停止响应造成大面积延迟，此时其他节点得不到主节点的响应认为主节点挂掉了，会重新选取主节点。
• 内存回收：data节点上的ES进程占用的内存较大，引发JVM的大规模内存回收，造成ES进程失去响应。

脑裂问题解决方案：

• 减少误判:discovery.zen.ping_timeout节点状态的响应时间，默认为3s，可以适当调大，如果master在响应时间的范围内没有做出响应应答，判断该节点已经挂掉了。调大参数(如6s，discovery.zen.ping_timeout:6),可适当减少误判。
• 选举触发：discovery.zen.minimum_master_nodes:1
  该参数是用于控制选举行为发生的最小集群主节点数量。当备选主节点的个数大于等于该参数的值，且备选主节点中有该参数个节点认为主节点挂了，进行选举。官方建议为(n/2)+1,n为主节点个数(即有资格成为主节点的节点个数)
• 角色分离：即master节点与data节点分离，限制角色
  主节点配置为：node.master:true node.data:false
  从节点配置为：node.master:false node.data:true