从几个例子出发：
1.ES的分片机制天生支持分布式，同时也带来了分布式了弊端：排序和算分问题；
搜索的场景需要严格的定制化，通过对mapping的修改可以支持算分的调整，影响查询的结果-----代价是大大增加开发和mapping的维护成本
想要精确的算分和排序--->需要大量的计算和内存
如果数据量不大---->默认使用一个分片---->不需要对排序和算法另外处理/同时牺牲了分布式的特性（建议一个业务场景的分片不超过20g。日志索引的分片不超过50g），这也是为什么7.x版本之后默认一个分片
如果数据量巨大---->必须使用分片----->定制化mapping，粒度到字段级别----->同时还需要大量的内存（只能通过优化尽量压缩，对业务进行区分，必要的时候只能占用大量的cpu和内存 DFS query then Fetch）
下面来看一下ES的查询过程：默认场景下的-----牺牲精准度保证效率
2.kafka与ES面临相同的问题：kafka的单个分区内可以保证顺序性，分区之间是不能保证顺序性的
如果是类似于日志，不需要考虑消息的顺序性，那可以很好的发挥性能
如果需要保证顺序性：
2.1）从业务上把需要有序的打到同一个partition。因为大多数情况只需要业务上保证有序就可以，不用全局有序（通过message key来定义，因为同一个key的message可以保证只发送到同一个partition，比如说key是user id，table row id等等，所以同一个user或者同一个record的消息永远只会发送到同一个partition上，保证了同一个user或record的顺序）
那么单个分片内kafka如何保证有序？
- producer发消息到队列时，通过加锁保证有序 现在假设两个问题： broker leader在给producer发送ack时，因网络原因超时，那么Producer 将重试，造成消息重复。 先后两条消息发送。t1时刻msg1发送失败，msg2发送成功，t2时刻msg1重试后发送成功。造成乱序。
2.解决重试机制引起的消息乱序
为实现Producer的幂等性，Kafka引入了Producer ID（即PID）和Sequence Number。对于每个PID，该Producer发送消息的每个都对应一个单调递增的Sequence Number。同样，Broker端也会为每个维护一个序号，并且每Commit一条消息时将其对应序号递增。对于接收的每条消息，如果其序号比Broker维护的序号）大一，则Broker会接受它，否则将其丢弃：
- 如果消息序号比Broker维护的序号差值比一大，说明中间有数据尚未写入，即乱序，此时Broker拒绝该消息，Producer抛出InvalidSequenceNumber
- 如果消息序号小于等于Broker维护的序号，说明该消息已被保存，即为重复消息，Broker直接丢弃该消息，Producer抛出DuplicateSequenceNumber
- Sender发送失败后会重试，这样可以保证每个消息都被发送到broker
3.分布式的系统中路由算法的弊端：增加/删除节点时会有路由错误的问题（引发类似于缓存雪崩的场景）
对应的解决方案：
3.1）如redis的一致性hash算法
3.2）ES同样面临类似的场景：每个index的主分片设置策略，动态分配会有大量的数据迁移，分配不合理又会影响性能
对此，ES的解决方案是：index建立好之后不允重新设置分片，需要重新设置需要reindex
2.从CAP到BASE，都是对分布式的一种权衡策略
总结：
根据不同的需求和场景，进行定制化的使用
