知序
返回
保存草稿
发布
H1
H2
H3
1
2
3
Excalidraw 图
AI 写作
AI 优化
目录
输入内容后显示目录
Markdown
# Elasticsearch 面试题 ## 基础概念 **Q1:什么是 Elasticsearch?它和 Lucene 的关系?** Elasticsearch 是一个基于 Lucene 的分布式、RESTful 风格的搜索和分析引擎。Lucene 是底层的 Java 搜索引擎库,提供倒排索引、分词、打分等核心能力;ES 在 Lucene 之上封装了分布式架构、REST API、聚合分析等平台层能力。类比:Lucene 是发动机,ES 是整车。 **Q2:ES 和 MySQL 在搜索上的核心区别?** MySQL 用 B+ 树索引,擅长精确匹配和范围查找,但不擅长全文搜索(LIKE '%keyword%' 无法走索引)。ES 用倒排索引,天然适合全文搜索(词→文档),支持分词、相关性排序、高亮等功能。两者是互补关系,常见架构是 MySQL 存业务数据,ES 同步一份做搜索。 **Q3:ES 的核心概念有哪些?** - Index:文档的集合,类似 MySQL 的 Database - Document:ES 最小数据单元,是一个 JSON - Shard:数据分片,主分片处理读写,副本分片只读 - Node:一个 ES 实例,有多种角色(Master、Data、Ingest 等) - Cluster:多个节点组成,共同持有全部数据 **Q4:ES 为什么是近实时而不是实时?** ES 写入数据后默认 1 秒(refresh_interval)才将内存 Buffer 刷新为可搜索的 Segment。写入后立即搜索可能搜不到。这是为了平衡写入性能和搜索实时性。 ## 数据结构与索引 **Q5:什么是倒排索引?它如何加速搜索?** 倒排索引是"词→文档"的映射,维护每个 Term 出现在哪些文档中。搜索时直接从词查到文档 ID 列表,时间复杂度 O(1)。而正排索引(文档→词)需要遍历所有文档,O(n)。 **Q6:分词器(Analyzer)由哪几部分组成?** ① Character Filter(预处理,如去 HTML 标签)→ ② Tokenizer(分词,如标准分词、IK 中文分词)→ ③ Token Filter(Token 加工,如转小写、词干提取)。最终将文档文本拆解为 Term 写入倒排索引。 **Q7:TF-IDF 和 BM25 的区别?ES 默认用哪个?** BM25 是 TF-IDF 的改进版,ES 5.0 起默认使用 BM25。主要改进:① TF 饱和控制(词频 10 次后得分不再线性增长)② 文档长度归一化(短文档中匹配到关键词得分更高)。TF-IDF 没有这些限制,长文档堆砌关键词可以刷高分。 **Q8:text 和 keyword 类型的区别?** text 会被分词,用于全文搜索;keyword 不分词,整个字符串作为一个 Term 存下来,用于精确匹配、排序、聚合。字段默认自带 .keyword 子字段,满足两种需求。 ## 查询与搜索 **Q9:Term Query 和 Match Query 的区别?** Term Query 不分词,直接去倒排索引做精确匹配。Match Query 先分词再搜索(默认 OR 逻辑)。搜索文本用 Match,精确值(状态码、ID)用 Term。 **Q10:Bool Query 中 must、filter、should、must_not 的区别?** - must:必须匹配,参与评分 - filter:必须匹配,不评分,结果会被缓存(性能好) - should:可选匹配,匹配的得分更高(加分项) - must_not:必须不匹配,排除条件 **Q11:ES 为什么不推荐深度分页?** from+size 分页中,每个分片需要返回 from+size 条数据到协调节点统一排序。from=10000 意味着每个分片返回 10010 条,3 个分片汇总 30030 条,内存和网络开销巨大。解决方案:Scroll 做全量导出,Search After 做实时深分页。 **Q12:ES 的分页有哪几种方式?分别适用什么场景?** ① from+size(浅分页,适用前端少量翻页)② Scroll(深分页,适用全量数据导出,不适合实时搜索)③ Search After(实时深分页,适合顺序翻页,不支持跳页)。 ## 聚合分析 **Q13:Bucket 聚合和 Metric 聚合的区别?** Bucket 是"分桶"(类似 GROUP BY),Metric 是"算值"(类似 COUNT/SUM/AVG)。两者通常嵌套使用:先分桶(如按分类),再在每个桶内计算指标(如平均价格)。 **Q14:ES 的 Terms 聚合为什么可能是近似的?** 每个分片只返回本地 Top N 给协调节点,汇总后取全局 Top N。某些 term 可能在单个分片没进 Top N 但在全局 Top N 中,导致被遗漏。增大 shard_size 可提升准确性。 ## 数据建模 **Q15:Dynamic Mapping 是什么?有什么问题?** ES 自动根据写入的 JSON 数据推断字段类型。问题:① 日期误识别 ② 类型冲突 ③ 未受控数据造成字段爆炸。生产环境建议使用 dynamic: strict 模式或 Index Template 统一管理。 **Q16:Nested 和 Object 的区别?** Object 将数组对象扁平化存储,导致数组内对象属性关联丢失。Nested 将每个嵌套对象作为独立文档索引,保持属性关联,但更新成本高,适用于嵌套对象少且不频繁更新的场景。 ## 集群与高可用 **Q17:ES 怎么选举 Master?什么是脑裂?** 候选主节点 ping 集群收集节点列表,按 ID 字典序排序选第一个作为 Master。脑裂是集群中出现两个 Master 的现象,由网络分区导致。ES 通过多数派(quorum)机制防止脑裂:只有获得多数节点认可才能成为 Master。 **Q18:为什么 ES 的主分片数创建后不能改?** 因为文档路由公式 `hash(_routing) % num_primary_shards`,分片数一变路由结果就变了,已有文档按新公式找不到分片。只能通过 Reindex 迁移到新索引。 **Q19:ES 节点宕机后怎么恢复?** Master 检测节点心跳超时,将该节点主分片的副本提升为新主分片,在其他节点分配新的副本。恢复后自动平衡集群。恢复期间不影响读写。 **Q20:Refresh 和 Flush 的区别?** Refresh:内存 Buffer→新 Segment(文档可搜索),默认 1 秒一次。Flush:内存 Segment→磁盘 + 清空 Translog,默认 30 分钟或 Translog 满 512MB。Refresh 影响搜索实时性,Flush 影响数据持久性。 ## 性能优化 **Q21:怎么优化 ES 大批量写入性能?** ① 用 Bulk API(每次 500-1000 条)② 导入前设 refresh_interval=-1 ③ 导入前设 number_of_replicas=0 ④ 调大写入线程池 ⑤ 多线程并发写入。导入后恢复配置。 **Q22:为什么要做 Segment 合并?** ES 的 Refresh 持续产生小 Segment,Segment 越多搜索性能越差、文件句柄消耗越大。Merge 在后台将小 Segment 合并为大 Segment,同时物理删除已标记删除的文档,释放磁盘空间。 **Q23:filter 和 must 怎么选择?** 需要影响相关性排序(全文搜索条件)用 must,只需过滤不评分(精确匹配、范围)用 filter。filter 会走缓存,性能远好于 must 的评分计算。
预览
发布文章
添加摘要让读者更快了解文章内容
取消
确认发布
AI 写作助手
输入一个主题,AI 将为你生成一篇 Markdown 博客文章
AI 正在写作中...
取消
开始生成
AI 优化助手
描述你的修改需求,AI 将在原文基础上进行补充或微调
AI 正在优化中...
取消
开始优化
画布
从已有图里选
✕
图名
保存后生成 /images/excalidraw/<图名>.svg(只能用字母、数字、短横线、下划线、点)
取消
保存并插入