面试题：ElasticSearch数据探索流程中的分布式数据一致性与探索效率平衡

影响：副本数增加能提高数据可用性和一致性，但会增加写操作成本，降低写效率。因为每次写操作都要同步到多个副本。读操作时，副本可分担读压力，提高读效率。
优化配置：根据业务场景合理设置副本数。如果读多写少，可适当增加副本数，如设置 number_of_replicas: 2 - 3；若写操作频繁，可减少副本数，如 number_of_replicas: 1。
实际案例：某新闻资讯平台，主要是用户浏览新闻（读多写少），将副本数从默认1调整为3后，读性能显著提升，平均响应时间从200ms降至150ms，且数据一致性有保障。

影响：Elasticsearch 的刷新（refresh）操作将内存中的数据写入磁盘段文件，使数据可被搜索。频繁刷新可保证数据一致性，但会增加 I/O 开销，降低写效率。
优化配置：
- 对于实时性要求不高的场景，可适当延长刷新间隔，通过 PUT /{index}/_settings 接口设置 refresh_interval 参数，如 { "refresh_interval": "30s" }，减少 I/O 操作，提高写效率。
- 对于实时性要求高的场景，可采用手动刷新，在批量写入数据后，执行 POST /{index}/_refresh 手动触发刷新。
实际案例：在一个日志收集系统中，日志数据的实时性要求不高，将 refresh_interval 从默认的1s调整为30s后，写性能提升了约30%，对数据探索的影响不大，因为用户通常查询历史日志。

影响：
- query - then - fetch：先在各个分片上执行查询，返回文档ID等元数据，再根据ID去相关分片获取完整文档。这种方式效率较高，但可能会有数据一致性问题，因为不同分片的数据可能不是完全同步的。
- dfs_query_then_fetch：在 query - then - fetch 基础上，先在各个分片计算文档的词频等统计信息，再执行查询和获取文档操作，数据一致性更好，但开销较大，效率相对低。
优化配置：
- 对于数据一致性要求不高，效率优先的场景，使用 query - then - fetch 搜索类型，如在一些模糊搜索、相关性要求不高的场景。
- 对于数据一致性要求高的场景，如精确统计、金融交易记录查询等，使用 dfs_query_then_fetch 搜索类型。
实际案例：在电商平台的商品搜索中，普通商品搜索（模糊匹配）使用 query - then - fetch，平均响应时间为100ms；而在库存查询（精确匹配）时使用 dfs_query_then_fetch，虽然响应时间为150ms，但保证了库存数据的一致性。

批量操作：使用批量 API（如 bulk）进行数据写入，减少网络开销，提高写效率，同时也有助于保证数据一致性，因为批量操作是原子性的。
合理设置索引分片：根据数据量和节点数量合理设置分片数，避免分片过多或过少。分片过多会增加管理开销，过少会影响性能和扩展性。例如，预估数据量在100GB左右，可设置分片数为5 - 10个。
缓存策略：利用 Elasticsearch 的缓存机制，如请求缓存（request cache），对经常查询的结果进行缓存，提高查询效率。可通过 PUT /{index}/_settings 设置 request.cache.enable: true 开启请求缓存。

星途面试题库