ElasticSearch面试题
一、ES基础概念与原理
基础概念
什么是Elasticsearch?请介绍一下Elasticsearch
Elasticsearch 是一个分布式、RESTful 风格的搜索和数据分析引擎。它基于 Apache Lucene 构建，能够近乎实时地存储、检索和分析海量数据。
特点：分布式架构、高可用、多租户、全文检索、强大的聚合分析能力。
Elasticsearch的基本概念有哪些？
集群 (Cluster)、节点 (Node)、索引 (Index)、类型 (Type, 7.x后废弃)、文档 (Document)、分片 (Shard) 和副本 (Replica)。
Elasticsearch中的集群、节点、索引、文档、类型是什么？
- 集群 (Cluster)：由一个或多个节点组成，共同保存整个数据并提供索引和搜索能力。
- 节点 (Node)：集群中的一台服务器。
- 索引 (Index)：逻辑容器，类似于关系型数据库中的 Database。
- 文档 (Document)：ES 中最小的数据单元，JSON 格式，类似于数据库中的 Row。
- 类型 (Type)：索引内部的逻辑分类。在 6.x 版本只允许一个，7.x 彻底废弃，8.x 已完全移除。
说一下text和keyword类型的区别
- text：用于全文检索。数据在写入时会被分词器 (Analyzer) 处理，拆分成单个词项（Term），不支持聚合和排序
- keyword：用于精确匹配。数据不会被分词，而是作为整体存储，支持聚合、排序和过滤。
DocValues的作用是什么？
- 由于倒排索引适合搜索，但不适合排序和聚合（因为需要反向扫描），DocValues 采用列式存储结构，将文档 ID 到值的映射持久化到磁盘，专门用于提高聚合、排序和脚本执行的效率。
什么是停顿词过滤？
- 在分词阶段，剔除掉那些频率极高但对搜索意义不大的词（如：“的”、“了”、“a”、“the”），以减小索引体积并提高检索效率。
query和filter的区别是什么？
- query：不仅判断文档是否匹配，还会计算 相关性得分 (_score)，且结果不缓存。
- filter：只回答“是/否”，不计算得分，且结果会被缓存，执行速度更快。
Elasticsearch有哪些数据类型？你在项目中用了哪些?
基本类型：Long, Integer, Double, Boolean, Date。
字符串：text, keyword。
复杂类型：Object, Nested（处理嵌套对象）。
特殊类型：Geo_point (地理位置), IP, Completion (自动补全)。
项目中：常用
keyword存储状态码，text存储商品描述，date存储日志时间，nested处理订单关联项。
Elasticsearch支持事务吗？
什么是倒排索引？
- 倒排索引（Inverted Index）是搜索引擎的核心。它不是记录文档包含哪些词，而是记录每个词出现在哪些文档中，以及出现的位置和频率。
你了解倒排索引的实现原理吗？
分词：将文档内容拆分为 Term。
字典 (Term Dictionary)：存储所有不重复的 Term，通常在内存中通过 FST (Finite State Transducer) 压缩存储。
倒排列表 (Posting List)：存储包含该 Term 的文档 ID 列表及偏移量。 查找过程：通过 FST 在 Term Dictionary 中快速定位词项，获取其对应的 Posting List，最后根据文档 ID 取回数据。
在Elasticsearch中，是怎么根据一个词找到对应的倒排索引的？
- 同上？
如何在保留不变性的前提下实现倒排索引的更新？
- Lucene 的 Segment（段）是不可变的。
- 增加：写入新的 Segment。
- 删除：在
.del文件中标记该文档已删除，检索时过滤，物理删除发生在 Segment Merge 时。 - 修改：先标记旧文档删除，再写入一个新版本的文档到新 Segment。
- Lucene 的 Segment（段）是不可变的。
lucence内部结构是什么？
- 一个 Lucene 索引由多个 Segment 组成。每个 Segment 都是一个完整的倒排索引。当搜索发生时，Lucene 会查询所有 Segment 并合并结果。
是否了解字典树？
- Trie 树是一种用于快速检索的多叉树结构。ES 的 FST 实际上是一种更高级的、内存高效的变体，它不仅能复用前缀，还能复用后缀。
讲一下elasticsearch和mysql的区别
- | 特性 | MySQL | Elasticsearch |
| —————— | ————————— | ——————————— |
| 存储模型 | 关系型 (Row-based) | 文档型 (JSON/Columnar) |
| 事务支持 | 强事务 (ACID) | 弱事务 (无跨文档事务) |
| 查询性能 | 复杂关联查询快 | 全文搜索、聚合分析极快 |
| 扩展性 | 纵向为主 (主备) | 横向分布式扩展极易 |
- | 特性 | MySQL | Elasticsearch |
Elasticsearch为什么适合搜索？
倒排索引：跳过了全表扫描，直接定位文档。
FST 内存压缩：将词典常驻内存，减少磁盘 IO。
分片分布式计算：将查询分发到多台机器并行处理。
OS Cache：极度依赖文件系统缓存，大部分操作在内存层面完成。
elasticsearch的原理和结构是怎样的？
-
- ES为什么这么快？
存储机制
String类型在ES中是怎么存储的？
如果是
text：经过 Analyzer（分词器）处理后，以倒排索引形式存储。如果是
keyword：不分词，直接以倒排索引存储，同时默认开启DocValues用于排序聚合。
Elasticsearch行式存储 (Stored Fields) 与 列式存储 (DocValues)的区别是什么？行式存储的优势有哪些？
- 行式存储（如
_source）：整行读取，适合获取完整文档。 - 列式存储（如
DocValues）：按列读取。 - 优势：列式存储在聚合运算时只需读取目标字段，大大减少 IO，且相同类型数据在一起更易压缩。
- 行式存储（如
你了解Elasticsearch的Segment吗？
- Segment 是 Lucene 的底层存储单元。
- 它是不可变的。
- 过多的 Segment 会消耗文件句柄和内存。
- ES 会在后台自动进行 Merge，将小 Segment 合并成大的。
- Segment 是 Lucene 的底层存储单元。
说一下Elasticsearch的Refresh机制
ES 为了实现近实时 (NRT) 搜索，每隔 1 秒（默认）将 Buffer 中的数据写入文件系统缓存（Filesystem Cache），并生成一个新的 Segment。
此时数据还没落盘，但已经可以被搜索到了。
你知道Elasticsearch的Flush操作吗？
- Flush 是为了确保持久化：
- 将 Buffer 写入新的 Segment 并清空。
- 执行
fsync将缓存中的 Segment 真正写入磁盘。 - 清空 Translog（预写日志）。
- Flush 是为了确保持久化：
什么是Merge操作？
- Elasticsearch的架构是怎样的？
- 说说你们公司es的集群架构，索引数据大小，分片有多少？
- 分片机制是如何实现分布式集群的？
- 分片和副本有什么区别？
- 你了解分段机制吗？
- ES是怎么样去运行的？跑了几个节点？
Master选举与脑裂
- Elasticsearch的分布式原理是什么？
- Elasticsearch是如何实现Master选举的？
- Elasticsearch重要的节点（比如公共20个），其中的10个选了一个master，另外10个选了另一个master，怎么办？
- Elasticsearch是如何避免脑裂现象的？
- Elasticsearch集群脑裂问题如何解决？节点协调与负载
- 节点和分片是如何协调的？
- 客户端在和集群连接时，如何选择特定的节点执行请求的？
- 你遇到过数据倾斜问题吗？如何处理？
- 什么是长尾问题？
三、数据写入与更新
写入流程式指南
- 详细描述一下 Elasticsearch 索引文档的过程
- es写数据的过程是怎样的？
- 写数据的底层原理是什么？
- 文档索引步骤顺序是什么？
- 新增的文档怎么快速和旧文档一起被检索？
更新删除
- 详细描述一下Elasticsearch更新和删除文档的过程
- ES更新一个文档，它的操作步骤是什么样子的？高并发写入
- 写压力大时怎么处理？
- 海量数据如何写入es？
- 在并发情况下，Elasticsearch如何保证读写一致？
四、搜索与查询
- ES在高并发下如何保证读写一致性？
搜索流程
- 详细描述一下Elasticsearch搜索的过程
- Query阶段是如何工作的？
- Fetch阶段是如何工作的？
分词与查询
- 分词器的分词流程是怎样的？
- ES你是用过什么样的接口去搜索的？比如搜索一个关键字，你是怎么去搜索的?
- title的类型是什么类型（设置ES索引的时候）？
深度分页
- ES的深度分页与滚动搜索scroll是什么？
五、性能优化与调优
索引优化
- 建立索引阶段性能提升方法有哪些？
- 索引阶段性能提升方法有哪些?
- elasticsearch索引数据多了怎么办，如何调优？
- 说一下你了解的调优手段
聚合优化
- Elasticsearch对于大数据量（上亿量级）的聚合如何实现？
系统调优
- Elasticsearch在部署时，对Linux的设置有哪些优化方法？
- 对于GC方面，在使用Elasticsearch时要注意什么?
六、部署与运维
部署相关
- elasticsearch如何部署？
- ES应用你是怎么部署的？
- 如何监控Elasticsearch集群状态？
七、数据同步与一致性
数据同步
- 数据库修改信息如何同步ElasticSearch?
- 项目中你的数据是怎么灌入ES的？
- 怎样进行数据同步？
- 如何考虑es和MySQL-致性？
- 如果用消息队列异步写入的话，消息丢失怎么办？
八、应用场景与实战
使用场景
- ElasticSearch的主要功能及应用场景是什么？
- 实习中的ElasticSearch为什么要用？为啥不直接查Mysql?
特殊场景
- 针对文字，ES可以用倒排索引，你知道ES针对地图如何构建索引吗？