es快速扫描

介绍

Elasticsearch简称es，一款开源的分布式全文检索引擎
可组建一套上百台的服务器集群，处理PB级别数据
可满足近实时的存储和检索

倒排索引

跟正排索引相对，正排索引是根据id进行索引，所以查询效率非常高，但是模糊查询效率低，因为要全表扫描，即便创建索引也不生效
倒排索引是先根据查询内容进行分词处理，根据每个词条创建索引，还会存储该词条出现的所有记录id，这样即使模糊查询也会命中索引，从而找到所有包含搜索项的记录id，再进行处理返回结果

如果选举master

对所有配置可以成为master的节点根据nodeId进行排序，默认排第一位的节点是master，所有分片都进行如此操作，最后票数达到半数以上的节点成为master节点

如何避免脑裂

可以配置最小master节点数参数来解决脑裂问题

写入原理

首先会根据docid进行hash找到合适的分片
然后开始写入，分两个阶段，refresh和flush阶段
refresh阶段：先将数据写到内存buffer中，然后每秒将数据向os cache中写入，生成新的segment，os cache中的数据可以进行查询
flush阶段：写入到os cache中的translog数据，默认每5秒刷盘一次，当translog足够大(512M)或者 每30分钟进行一次flush操作，将translog中所有内容全部刷盘，旧的translog将被删除

针对大数据如何进行聚合操作

使用elasticsearch提供的cardinality度量，它提供一个字段的基数，也就是该字段的distinct或者unique数目

如何保证读写一致性

使用版本号乐观并发控制