Elasticsearch面试题精选20题[通俗易懂]
Elasticsearch面试题精选20题[通俗易懂]
目录
4.Elasticsearch索引数据多了怎么办，如何调优，部署？
5.说你们公司ES的集群架构，索引数据大小，分片有多少，以及一些调优手段 。
6.Elasticsearch是如何实现master选举的？
7. 详细描述一下 Elasticsearch 索引文档的过程。
9. Elasticsearch 在部署时，对 Linux 的设置有哪些优化方法？
11. 详细描述一下 Elasticsearch 更新和删除文档的过程。
12. 对于 GC 方面，在使用 Elasticsearch 时要注意什么？
13. Elasticsearch 对于大数据量（上亿量级）的聚合如何实现？
14. 在并发情况下，Elasticsearch 如果保证读写一致？
17.能否列出与 Elasticsearch 有关的主要可用字段数据类型？
18.ElasticSearch中的集群、节点、索引、文档、类型是什么？
19. 在Elasticsearch中 cat API的功能是什么？
1.ES为什么那么快（ES的索引原理）？Elasticsearch查询速度为什么这么快？ – 知乎这段时间在维护产品的搜索功能，每次在管理台看到 Elasticsearch 这么高效的查询效率我都很好奇他是如何做到的。 这甚至比在我本地使用 MySQL 通过主键的查询速度还快。 为此我搜索了相关资料： 这类问题网上很多…
![Elasticsearch面试题精选20题[通俗易懂]](https://ask.qcloudimg.com/http-save/yehe-8223537/5d7a8275c734294140bb1ce562b838b3.png)
https://zhuanlan.zhihu.com/p/266116262
2.MongoDB和Elasticsearch区别
MongoDB和Elasticsearch对比_串一串爪娃子-CSDN博客
![Elasticsearch面试题精选20题[通俗易懂]](https://ask.qcloudimg.com/http-save/yehe-8223537/e66600987eea29c478e9e01dbddbf584.gif)
https://blog.csdn.net/luxiaoruo/article/details/106637315
3.ES的倒排索引是什么？
传统的检索是通过文章，逐个遍历找到对应关键词的位置。
而倒排索引，是通过分词策略，形成了词和文章的映射关系表，这种 词典+映射表即为倒排索引 。
有了倒排索引，就能实现O（1）时间复杂度的效率检索文章了，极大的提高了检索效率。
学术的解答方式：
倒排索引，相反于一篇文章包含了哪些词，它从词出发，记载了这个词在哪些文档中出现过，由两部分组成—— 词典和倒排表 。
加分项：倒排索引的 底层实现 是基于： FST （Finite State Transducer） 数据结构 。
lucene从4+版本后开始大量使用的数据结构是FST。 FST有两个优点 ：
- 空间占用小。通过对词典中单词前缀和后缀的重复利用，压缩了存储空间；
- 查询速度快。O(len(str))的查询时间复杂度。
4.Elasticsearch索引数据多了怎么办，如何调优，部署？
索引数据的规划，应在前期做好规划，正所谓“ 设计先行，编码在后 ”，这样才能有效的避免突如其来的数据激增导致集群处理能力不足引发的线上客户检索或者其他业务受到影响。
调优策略：
1.动态索引层面：
基于模板+时间+rollover api滚动创建索引，举例：设计阶段定义：blog索引的模板格式为：blog_index_时间戳的形式，每天递增数据。
这样做的好处：不至于数据量激增导致单个索引数据量非常大，接近于上线2的32次幂-1，索引存储达到了TB+甚至更大。
一旦单个索引很大，存储等各种风险也随之而来，所以要提前考虑+及早避免。
2. 存储层面：
冷热数据分离 存储，热数据（比如最近3天或者一周的数据），其余为冷数据。对于冷数据不会再写入新数据，可以考虑定期 force_merge 加 shrink 压缩操作，节省存储空间和检索效率。
3. 部署层面
一旦之前没有规划，这里就属于应急策略。结合ES自身的支持动态扩展的特点， 动态新增机器 的方式可以缓解集群压力，注意：如果之前主节点等规划合理，不需要重启集群也能完成动态新增的。
5.说你们公司ES的集群架构，索引数据大小，分片有多少，以及一些调优手段 。
如实结合自己的实践场景回答即可。
比如：ES集群架构13个节点，索引根据通道不同共20+索引，根据日期，每日递增20+
索引：10分片，每日递增1亿+数据，每个通道每天索引大小控制：150GB之内。
仅索引层面调优手段：
5.1、设计阶段调优
1、根据业务增量需求，采取基于 日期模板 创建索引，通过roll over API滚动索引；
2、使用 别名 进行索引管理；
3、每天凌晨 定时对索引做force_merge 操作，以释放空间；
4、采取 冷热分离 机制，热数据存储到SSD，提高检索效率；冷数据定期进行 shrink操作，以缩减存储；
5、采取 curator 进行索引的 生命周期管理 ；
6、仅针对需要分词的字段， 合理的设置分词器 ；
7、 Mapping阶段 充分结合各个字段的属性，是否需要检索、是否需要存储等。
5.2、写入阶段调优
1、写入前副本数设置为 0；
2、写入前关闭refresh_interval设置为-1，禁用刷新机制；
3、写入过程中：采取bulk批量写入；
4、写入后恢复副本数和刷新间隔；
5、尽量使用自动生成的id。
5.3、查询调优
1、禁用wildcard；
2、禁用批量terms（成百上千的场景）；
3、充分利用倒排索引机制， 能keyword类型尽量keyword ；
4、数据量大时候，可以 先基于时间敲定索引再检索 ；
5、设置合理的路由机制。
1.4、其他调优
部署调优，业务调优等。
6.Elasticsearch是如何实现master选举的？
前置前提：
1、只有 候选主节点 （master：true）的节点才能成为主节点。
2、 最小主节点数 （min_master_nodes）的目的是防止脑裂。
代码核心入口为 findMaster，选择主节点成功返回对应 Master，否
则返回 null。选举流程大致描述如下：
第一步： 确认候选主节点数达标，elasticsearch.yml 设置的值
discovery.zen.minimum_master_nodes；
第二步： 比较：先判定是否具备 master 资格，具备候选主节点资格的优先返回；
若两节点都为候选主节点，则 id 小的值选为主节点。注意这里的 id 为 string 类型。
7. 详细描述一下 Elasticsearch 索引文档的过程。
这里的索引文档应该理解为文档写入 ES，创建索引的过程。
文档写入包含：单文档写入和批量 bulk 写入，这里只解释一下：单文档写入流程。
记住官方文档中的这个图。
第一步：客户写集群某节点写入数据，发送请求。（ 如果没有指定路由/协调节点，
请求的节点扮演路由节点的角色。）
第二步：节点 1 接受到请求后，使用文档_id 来确定文档属于分片 0。请求会被转
到另外的节点，假定是节点 3。因此分片 0 的主分片分配到节点 3 上。
第三步：节点 3 在主分片上执行写操作，如果成功，则将请求并行转发到节点 1
和节点 2 的副本分片上，等待结果返回。所有的副本分片都报告成功，节点 3 将
向协调节点（节点 1）报告成功，节点 1 向请求客户端报告写入成功。
如果面试官再问：第二步中的文档获取分片的过程？
回答：借助 路由算法获取，路由算法就是根据路由和文档 id 计算目标的分片 id 的
过程。
1shard = hash(_routing) % (num_of_primary_shards)
8.详细描述一下 Elasticsearch 搜索的过程？
搜索拆解为“ query then fetch ” 两个阶段。
query 阶段的目的 ：定位到位置，但不取。
步骤拆解如下：
1、假设一个索引数据有 5 主+1 副本 共 10 分片，一次请求会命中（主或者副本
分片中）的一个。
2、每个分片在本地进行查询，结果 返回到本地有序的优先队列 中。
3、第 （2）步骤的结果发送到协调节点， 协调节点产生一个全局的排序列表 。
fetch 阶段的目的 ：取数据。
路由节点获取所有文档，返回给客户端。
9. Elasticsearch 在部署时，对 Linux 的设置有哪些优化方法？
1、关闭缓存 swap;
2、堆内存设置为：Min（节点内存/2, 32GB）;
3、设置最大文件句柄数；
4、线程池+队列大小根据业务需要做调整；
5、磁盘存储 raid 方式——存储有条件使用 RAID10，增加单节点性能以及避免单
节点存储故障。
10. lucence 内部结构是什么？
完整架构参考： Lucene总结二：Lucene的总体架构_haohaizi的博客-CSDN博客
Lucene总的来说是：
一个高效的，可扩展的，全文检索库。
全部用Java实现，无须配置。
仅支持纯文本文件的索引(Indexing)和搜索(Search)。、
不负责由其他格式的文件抽取纯文本文件，或从网络中抓取文件的过程。
在Lucene in action中，Lucene 的构架和过程如下图：
说明Lucene是有 索引和搜索的两个过程 ，包含 索引创建，索引，搜索三个要点 。
让我们更细一些看Lucene的各组件：
- 被索引的文档用Document对象表示。
- IndexWriter通过函数addDocument将文档添加到索引中，实现创建索引的过程。
- Lucene的索引是应用反向索引。
- 当用户有请求时，Query代表用户的查询语句。
- IndexSearcher通过函数search搜索Lucene Index。
- IndexSearcher计算term weight和score并且将结果返回给用户。
- 返回给用户的文档集合用TopDocsCollector表示。
11. 详细描述一下 Elasticsearch 更新和删除文档的过程。
1、删除和更新也都是写操作，但是 Elasticsearch 中的 文档是不可变的，因此不
能被删除或者改动以展示其变更；
2、磁盘上的每 个段都有一个相应的.del 文件。当删除请求发送后，文档并没有真
的被删除，而是在.del 文件中被标记为删除。该 文档依然能匹配查询，但是会在
结果中被过滤掉。当段合并时，在 .del 文件中被标记为删除的文档将不会被写入
新段。
3、在新的文档被创建时，Elasticsearch 会为该文档指定一个版本号，当 执行更新
时，旧版本的文档在.del 文件中被标记为删除，新版本的文档被索引到一个新段。
旧版本的文档依然 能匹配查询，但是会在 结果中被过滤掉。
12. 对于 GC 方面，在使用 Elasticsearch 时要注意什么？
- 倒排词典的索引需要常驻内存，无法GC，需要监控data node上segment memory增长趋势。
- 各类 缓存，field cache, filter cache, indexing cache, bulk queue等等，要设置合理的大小，并且要应该根据最坏的情况来看heap是否够用，也就是各类缓存全部占满的时候，还有heap空间可以分配给其他任务吗？避免采用clear cache等“自欺欺人”的方式来释放内存。
- 避免返回大量结果集的搜索与聚合。确实需要大量拉取数据的场景，可以采用scan & scroll api来实现。
- cluster stats驻留内存并无法水平扩展， 超大规模集群可以考虑分拆成多个集群通过tribe node连接。
- 想知道 heap够不够，必须结合实际应用场景，并对集群的heap使用情况做持续的监控。
- 根据监控数据理解内存需求，合理配置各类 circuit breaker（ 断路器），将内存溢出风险降低到最低。
13. Elasticsearch 对于大数据量（上亿量级）的聚合如何实现？
Elasticsearch 提供的首个近似聚合是 cardinality 度量。它提供一个字段的基数，即该字段的 distinct 或者 unique 值的数目。它是基于 HLL 算法的。
HLL 会先对我们的输入作哈希运算，然后根据哈希运算的结果中的 bits 做概率估算从而得到基数。其特点是：可配置的精度，用来控制内存的使用（更精确 ＝ 更多内存）；
小的数据集精度是非常高的；我们可以通过配置参数，来设置去重需要的固定内存使用量。无论数千还是数十亿的唯一值，内存使用量只与你配置的精确度相关。
14. 在并发情况下，Elasticsearch 如果保证读写一致？
1、可以通过版本号使用 乐观并发控制，以确保新版本不会被旧版本覆盖，由应用层来处理具体的冲突；
2、另外对于 写操作，一致性级别支持 quorum/one/all， 默认为 quorum，即只 有当大多数分片可用时才允许写操作。但即使大多数可用，也可能存在因为网络等原因导致写入副本失败，这样该副本被认为故障，分片会在一个不同的节点上重建。
3、对于 读操作，可以设置 replication 为 sync(默认)，这使得操作在 主分片和副 本分片都完成后才会返回；如果设置 replication 为 async 时，也可以通过设置搜索请求参数_preference 为 primary 来查询主分片，确保文档是最新版本。
15. 介绍下你们电商搜索的整体技术架构。
16. 是否了解字典树？
常用字典数据结构如下所示：
数据结构 | 优缺点 |
|---|---|
Array/List | 使用二分法查找，不平衡 |
HashMap/TreeMap | 性能高，内存消耗大，几乎是原始数据的三倍 |
Skip List | 跳跃表，可快速查找词语，在lucene,redis,HBase中有实现 |
Trie | 适合英文词典，如果系统中存在大量字符串且这些字符串基本没有公共前缀 |
Double Array Trie | 适合做中文词典，内存占用小，很多分词工具军采用此种算法 |
Ternary Search Tree | 一种有状态的转移机，Lucene 4有开源实现，并大量使用 |
Trie 的核心思想是空间换时间，利用字符串的公共前缀来降低查询时间的开销以达到提高效率的目的。它有 3 个基本性质：
1、根节点不包含字符，除根节点外每一个节点都只包含一个字符。
2、从根节点到某一节点，路径上经过的字符连接起来，为该节点对应的字符串。
3、每个节点的所有子节点包含的字符都不相同。
1、可以看到，trie 树每一层的节点数是 26^i 级别的。所以为了节省空间，我们还可以用动态链表，或者用数组来模拟动态。而空间的花费，不会超过单词数×单词长度。
2、实现：对每个结点开一个字母集大小的数组，每个结点挂一个链表，使用左儿子右兄弟表示法记录这棵树；
3、对于中文的字典树，每个节点的子节点用一个哈希表存储，这样就不用浪费太大的空间，而且查询速度上可以保留哈希的复杂度 O(1)。
17.能否列出与 Elasticsearch 有关的主要可用字段数据类型？
1、 字符串数据类型，包括支持 全文检索的 text 类型和 精准匹配的 keyword 类型。
2、 数值数据类型，例如字节，短整数，长整数，浮点数，双精度数，half_float，scaled_float。
3、 日期类型，日期纳秒Date nanoseconds，布尔值，二进制（Base64编码的字符串）等。
4、 范围（整数范围 integer_range，长范围 long_range，双精度范围 double_range，浮动范围float_range，日期范围 date_range）。
5 、包含对象的复杂数据类型，nested 、Object。
6、 GEO 地理位置相关类型。
7、特定类型如： 数组（数组中的值应具有相同的数据类型）
18.ElasticSearch中的集群、节点、索引、文档、类型是什么？
- 群集：一个或多个节点（服务器）的集合，它们共同保存您的整个数据，并提供跨所有节点的联合索引和搜索功能。群集由唯一名称标识，默认情况下为“elasticsearch”。此名称很重要，因为如果节点设置为按名称加入群集，则该节点只能是群集的一部分。
- 节点：属于集群一部分的单个服务器。它存储数据并参与群集索引和搜索功能。
- 索引：就像关系数据库中的“数据库”。它有一个定义多种类型的映射。索引是逻辑名称空间，映射到一个或多个主分片，并且可以有零个或多个副本分片。(eg: MySQL =>数据库 ElasticSearch =>索引)
- 文档：类似于关系数据库中的一行。不同之处在于索引中的每个文档可以具有不同的结构（字段），但是对于通用字段应该具有相同的数据类型。
MySQL => Databases => Tables => Columns / Rows ElasticSearch => Indices => Types =>具有属性的文档
- 类型：是索引的逻辑类别/分区，其语义完全取决于用户。
19. 在Elasticsearch中 cat API的功能是什么？
cat API 命令 提供了Elasticsearch 集群的分析、概述和运行状况，其中包括与别名，分配，索引，节点属性等有关的信息 。
这些 cat 命令使用查询字符串作为其参数，并以J SON 文档格式返回结果信息。
20. 拼写纠错是如何实现的？
1、拼写纠错是基于 编辑距离来实现；编辑距离是一种标准的方法，它用来表示经 过插入、删除和替换操作从一个字符串转换到另外一个字符串的最小操作步数；
2、编辑距离的计算过程：比如要计算 batyu 和 beauty 的编辑距离，先创建一个
7×8 的表（batyu 长度为 5，coffee 长度为 6，各加 2），接着，在如下位置填入
黑色数字。其他格的计算过程是取以下三个值的最小值：
如果最上方的字符等于最左方的字符，则为左上方的数字。否则为左上方的数字
+1。（对于 3,3 来说为 0）
左方数字+1（对于 3,3 格来说为 2）
上方数字+1（对于 3,3 格来说为 2）
最终取右下角的值即为编辑距离的值 3。
对于拼写纠错，我们考虑构造一个度量空间（Metric Space），该空间内任何关
系满足以下三条基本条件：
d(x,y) = 0 — 假如 x 与 y 的距离为 0，则 x=y
d(x,y) = d(y,x) — x 到 y 的距离等同于 y 到 x 的距离
d(x,y) + d(y,z) >= d(x,z) — 三角不等式
1、根据三角不等式，则满足与 query 距离在 n 范围内的另一个字符转 B，其与 A
的距离最大为 d+n，最小为 d-n。
2、BK 树的构造就过程如下：每个节点有任意个子节点，每条边有个值表示编辑
距离。所有子节点到父节点的边上标注 n 表示编辑距离恰好为 n。比如，我们有棵
树父节点是”book”和两个子节点”cake”和”books”，”book”到”books”
的边标号 1，”book”到”cake”的边上标号 4。从字典里构造好树后，无论何
时你想插入新单词时，计算该单词与根节点的编辑距离，并且查找数值为
d(neweord, root)的边。递归得与各子节点进行比较，直到没有子节点，你就可
以创建新的子节点并将新单词保存在那。比如，插入”boo”到刚才上述例子的树
中，我们先检查根节点，查找 d(“book”, “boo”) = 1 的边，然后检查标号为
1 的边的子节点，得到单词”books”。我们再计算距离 d(“books”, “boo”)=2，
则将新单词插在”books”之后，边标号为 2。
3、查询相似词如下：计算单词与根节点的编辑距离 d，然后递归查找每个子节点
标号为 d-n 到 d+n（包含）的边。假如被检查的节点与搜索单词的距离 d 小于 n，
则返回该节点并继续查询。比如输入 cape 且最大容忍距离为 1，则先计算和根的
编辑距离 d(“book”, “cape”)=4，然后接着找和根节点之间编辑距离为 3 到5 的，这
个就找到了 cake 这个节点，计算 d(“cake”, “cape”)=1，满足条件
所以返回 cake，然后再找和 cake 节点编辑距离是 0 到 2 的，分别找到 cape 和
cart 节点，这样就得到 cape 这个满足条件的结果。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/194378.html原文链接：https://javaforall.cn