面试题：ElasticSearch分布式索引实现原理之中等难度题

Question

在ElasticSearch分布式索引中，简述shard和replica的作用分别是什么，以及它们如何协同工作以保障数据的可用性和查询性能？

Answer 1

Shard（分片）的作用

1. 数据分区：将索引数据分割成多个较小的部分，分布在不同的节点上。这样做可以让单个索引的数据量超出单台机器的承载能力，提高数据存储和处理的扩展性。例如，一个非常大的文档集合可以分散到多个shard中，每个shard存储部分文档。
2. 并行处理：每个shard可以独立地进行索引和搜索操作，多个shard的并行处理能够显著提升查询性能。比如在搜索时，不同的shard可以同时响应查询请求，然后将结果合并返回，加快查询响应时间。

Replica（副本）的作用

1. 高可用性：为shard提供冗余备份。当某个主shard所在的节点出现故障时，对应的副本shard可以被提升为主shard，继续提供服务，保证数据的可用性。例如，若节点A上的主shard发生故障，其在节点B上的副本shard可以替代它继续工作。
2. 负载均衡：副本shard也可以处理读请求，分担主shard的查询负载，提高整体查询性能。多个副本可以分布在不同节点，使得读请求能够更均衡地分配到各个节点上处理。

协同工作保障数据可用性和查询性能

1. 数据写入：当写入数据时，数据首先会被写入主shard，然后同步到对应的副本shard。这样保证了所有副本的数据一致性。例如，写入一条新文档，主shard写入成功后，会将数据同步到其副本shard。
2. 数据读取：读请求既可以发送到主shard，也可以发送到副本shard。ElasticSearch会自动根据负载情况选择最合适的shard来处理请求。如果有大量读请求，副本shard会分担主shard的压力，提高整体查询性能。例如，在高并发读场景下，部分读请求由副本shard处理，避免主shard过载。
3. 故障处理：一旦主shard所在节点故障，ElasticSearch会从副本shard中选择一个提升为主shard，其他副本shard继续作为新主shard的副本。这个过程会自动完成，保证数据的持续可用和读写操作的正常进行。