ElasticSearch

背景 满足整个大B业务从线上到供应链的全线业务系统的研发和维护,保证整个系统的稳定性和性能。 架构思考 大B业务不同于小B业务，它没有常见的业务高并发的场景，所以更多是对业务数据的一致性（业务数据基本都跟财务相关），系统的稳定性和常规故障自动恢复能力有更高期盼和要求。同时伴随业务的及数据增长，整体系统性能要保证的稳定。 总体架构图 架构演进历程 项目基础设施搭建 -> 运维自动化 ->数据库运维构建 -> 分布式基础设施搭建 -> 分布式监控体系构建 -> 分布式框架自研 -> 业务基础服务构建 -> 技术分享 -> 开源社区构建 (大致的推进重新历程如上,实际场景下不分严格先后顺序。) 项目基础设施的建设 涉及 gitlab, svn, jenkins , nexus, sonar, 禅道, 知识库；剥离出永辉自身的研发基础设施，减少频繁的沟通成本，获取系统的管理员权限便于打通研发和运维自动化。 运维自动化 1. 钉钉自动化报警/通知 涉及jenkins,gitlab,禅道,sonar,知识库等自动化集成。 2. jenkins 一键发布 涉及jenkins的一键滚动发布,自动回滚,异常自动重启,便于运维快速发布，避免手工发布的出错。 3. docker 容器集群化 从docker单机版到docker集群版本，逐步验证，逐步推进到线上环境部署，提升现有服务器的资源的利用率

今年前前后后我参加了阿里巴巴两次面试，一次是社招，一次是内推，第一次社招3面过后就被挂了，内推历经5面拿到的offer，进入的是阿里口碑部门，分享一下这次的面经，希望能帮助到大家。 阿里内推一面:项目 1，面试官让我描述一个自己印象最深的项目，手画设计图。 2，针对项目中的技术进行发问，比如：架构设计、部署图、模块之间的通信等。 3，因为我描述项目存储数据比较多，让我重新设计数据库的表，怎么设计 后面都是针对项目技术的问题，一共二十多分钟 阿里内推二面: 1、问了冒泡排序，快排，和归并排序及优缺点和优化 2，网络方面有osi七层，tcp/ip五层，分别有哪些协议及作用 3，爬虫用的什么数据结构 4、tcp的流量控制和拥塞控制 5，mysql用的什么存储引擎，这个存储引擎用的什么数据结构 ，有哪些优缺点，怎么使用 6，jvm的垃圾回收机制和垃圾收集器 7、spring当中事物的隔离级别 8、jdk1.8 concurrenthashmap 的新的特性，有没有看过源码 9、 threadlocal了解吗 10，问了redis的一些问题，项目中有(扩容，失效key清理策略等) 11，剩下的都是项目的东西(kafka filebeat elk原理，主从选举，复制等) 12，后面扩展的问了一些大数据相关的，问我一些大数据处理框架是否有了解，具体什么忘记了 整个过程四十分钟左右 阿里内推三面：

　　安装配置elasticsearch不详述 　　环境：主elasticsearch IP 172.16.90.11 备elasticsearch IP 172.16.90.12 　　修改配置文件 /etc/elasticsearch/elasticsearch.yml 　　172.16.90.11 cluster.name: my-elk node.name: prd-es-kibana-01 path.data: /data/es-data path.logs: /var/log/elasticsearch network.host: 172.16.90.11 http.port: 9200 #集群个节点IP地址，也可以使用els、els.shuaiguoxia.com等名称，需要各节点能够解析 discovery.zen.ping.unicast.hosts: ["172.16.90.11", "172.16.90.12"] #集群节点数 discovery.zen.minimum_master_nodes: 2 #增加参数，使head插件可以访问es http.cors.enabled: true http.cors.allow-origin: "*" 　　172.16.90.12 cluster.name: my-elk node.name: prd-es-kibana