面试题：ES是如何实现分布式的？分布式的架构原理是什么？

在搜索这块，Lucene是最流行的搜索库。几年前面试官一般都问，你了解Lucene吗？你知道倒排索引的原理吗？但是现在再问就out了，因为现在很多项目都是直接用基于Lucene的分布式搜索引擎-------ElasticSearch，简称ES。

1. ElasticSearch设计的理念就是分布式搜索引擎，底层其实还是Lucene的。核心思想就是在多台机器上启动多个ES进程实例，组成一个ES集群。

   ES中存储数据的基本单位就是索引，比如说你现在要在ES中存储一些订单数据，你就应该在ES中创建一个索引，所有的订单数据就都写到这个索引里面去，一个索引差不多就是相当于是MySQL里的一张表。

   java index->type->mapping->document->field

   index相当于MySQL里的一张表，而type没法跟MySQL里去对比，一个index里可以有多个type，每个type的字段都是差不多的，但是有些略微的差别。
   很多情况下，一个index里可能就一个type，但是确实如果说是一个index里有多个type的情况（注意：mapping types 这个概念在ES 7.X已被完全移除），你可以认为index是一个类别的表，具体的每个type代表了mysql中的一个表。每个type有一个mapping，如果你认为一个type是具体的一个表，index就代表多个type同属于的一个类型，而mapping 就是这个type的表结构定义，你在MySQL中创建一个表，肯定是要定义表结构的，里面有哪些字段，每个字段什么类型，实际上你往index里的一个type里面写的一条数据，叫做一条document，一条document代表了mysql中某个表里的一行，每个document有多个field，每个field代表了这个document中的一个字段值。

2. 创建一个索引，这个索引可以拆分成多个shard，每个shard存储部分数据。拆分多个shard是有好处的：
   一是支持横向扩展，比如你是数据量是3T，3个shard，每个shard就是1T的数据，若现在数据量增加到4T，重新建一个有4个shard的索引，将数据导入进去；
   二是提高性能，数据分布在多个shard，即多台服务器上所有的操作，都会在多台机器上并行分布式执行，提高了吞吐量和性能。

3. 接着就这个shard的数据实际是有多个备份的，就是说每个shard都有一个primary
   shard，负责写入数据，但是还有几个replica shard。primary shard写入数据之后，会将数据同步到其他几个replica shard上去。

   通过replica 方案，每个shard的数据都有多个备份，如果某个机器宕机了，还有别的数据副本在别的机器上，实现高可用性。

   ES集群多个节点，会自动选举一个节点为master节点，这个master节点其实就是干管理工作，比如维护索引元数据、负责切换primary shard和replica shard身份等。要是master节点宕机了，那么会重新选举一个节点为master节点。如果是非master节点宕机，那么会由master节点，让那个宕机节点的primary shard的身份转移到其他机器上的replicashard。如果修复好了那个宕机机器重启之后，master节点会控制将缺失的replica shard分配过去，同步后续修改的数据之类，让集群恢复正常。