Elasticsearch Master选举机制解析

Elasticsearch 的 Master 节点选举通过 Zen Discovery 模块实现（7.x 版本后逐步整合为更现代化的集群协调机制，但核心逻辑相似），其选举算法基于 类 Bully 算法。以下是核心流程和关键设计：

---

选举核心流程

1. 节点角色识别

   • 只有配置了 node.roles: [ master ] 的节点（或旧版的 node.master: true）才有资格参与选举。

2. 选举触发条件

   • 集群启动时。
   • 现有 Master 节点失效（心跳超时、宕机、网络分区）。
   • 现有 Master 节点主动离开集群。

3. 选举过程（类 Bully 算法）

   • 步骤1（探测阶段）：每个候选节点向集群其他节点发送探测请求，收集所有可达的 Master 候选节点列表。
   • 步骤2（排序比较）：根据节点ID（默认是启动时生成的唯一 UUID）进行字典序排序（如 node-1 < node-2），数值最小的节点胜出。
   • 步骤3（投票与宣告）：
     • 胜出节点向其他节点发送 VoteRequest 请求投票。
     • 其他节点响应 VoteResponse 确认（需收到过半投票）。
     • 胜出节点广播 StartAsMasterRequest 宣告成为新 Master。

4. 法定人数（Quorum）要求

   • 选举成功需获得 多数票（Majority），即 (master_eligible_nodes / 2) + 1。例如：
     • 3 个 Master 节点 → 至少需要 2 票。
     • 5 个 Master 节点 → 至少需要 3 票。
   • 避免脑裂（Split-Brain）的关键设计。

---

关键优化与机制

1. 故障检测（Zen-FD）

   • 节点间通过周期性 ping 检测存活。
   • 若 Master 节点失联，其他节点会触发新一轮选举。

2. 最小 Master 节点数（discovery.zen.minimum_master_nodes）

   • 7.x 之前：必须手动配置该值（如 2），确保集群分区时仅多数侧能选举出新 Master。
   • 7.x+ 版本：由集群自动计算并维护（通过 cluster.initial_master_nodes 初始化）。

3. 引导集群（7.x+ 的 cluster.initial_master_nodes）

   • 首次启动集群时，需显式声明初始 Master 候选节点列表：

     cluster.initial_master_nodes: ["node-1", "node-2", "node-3"]
     

   • 确保集群在初始状态形成法定人数。

4. 选举安全性

   • 每个节点仅对同一任期（Term） 投一次票。
   • 新 Master 需提交状态到多数节点，确保数据一致性。

---

脑裂（Split-Brain）防护

• 场景：网络分区导致集群分裂为两组。
• 防护机制：
  1. 法定人数约束：仅获得多数票的分区能选举出有效 Master。
  2. 主节点主动退出：少数分区中的原 Master 节点自动降级。
  3. 数据写入保护：客户端写入仅由合法 Master 分区处理。

---

版本演进注意

• 6.x 及之前：依赖 discovery.zen.minimum_master_nodes 手动配置。
• 7.0+：
  • 引入 集群引导服务（Cluster Bootstrapping） 替代手动配置。
  • 逐步迁移到 Raft 风格选举（在部分协调功能中应用，如安全配置变更）。

---

示例：5节点集群选举

1. Master 节点列表：[node-A, node-B, node-C, node-D, node-E]（ID 按字典序排序）。
2. 若 node-A 宕机 → 剩余节点发起选举。
3. node-B（ID最小）发起投票 → 获得 node-C/D/E 的投票（共4票 > 3的半数）。
4. node-B 成为新 Master。

---

最佳实践

1. 奇数 Master 节点数：如 3 或 5，提高容错性。
2. 专用 Master 节点：分离 Master 与 Data 角色，避免资源竞争。
3. 避免频繁选举：合理调参 discovery.zen.ping_timeout（默认 3s）。

⚠️ 注意：7.x 后部分配置项已废弃（如 discovery.zen.*），改用 cluster.initial_master_nodes 和内置选举优化。详细配置需参考对应版本官方文档。

这一设计确保了 Elasticsearch 集群的高可用性与数据一致性。