elasticsearch面试必考（亲身经历的问题）
作者：手留余香 | 轉自：Java架構沉思錄 | 原文
面試題
es 寫入數據的工作原理是什么??？es 查詢數據的工作原理是什么啊？底層的 lucene 介紹一下唄？倒排索引了解嗎？
面試官心理分析
問這個，其實面試官就是要看看你了解不了解 es 的一些基本原理，因為用 es 無非就是寫入數據，搜索數據。你要是不明白你發起一個寫入和搜索請求的時候，es 在干什么，那你真的是……對 es 基本就是個黑盒，你還能干啥？你唯一能干的就是用 es 的 api 讀寫數據了。要是出點什么問題，你啥都不知道，那還能指望你什么呢？
es 寫數據過程
-
客戶端選擇一個 node 發送請求過去，這個 node 就是
coordinating node（協調節點）。 -
coordinating node對 document 進行路由，將請求轉發給對應的 node（有 primary shard）。[路由的算法是？] -
實際的 node 上的
primary shard處理請求，然后將數據同步到replica node。 -
coordinating node如果發現primary node和所有replica node都搞定之后，就返回響應結果給客戶端。
es 讀數據過程
可以通過doc id來查詢，會根據doc id進行 hash，判斷出來當時把doc id分配到了哪個 shard 上面去，從那個 shard 去查詢。
-
客戶端發送請求到任意一個 node，成為
coordinate node。 -
coordinate node對doc id進行哈希路由，將請求轉發到對應的 node，此時會使用round-robin隨機輪詢算法，在primary shard以及其所有 replica 中隨機選擇一個，讓讀請求負載均衡。 -
接收請求的 node 返回 document 給
coordinate node。 -
coordinate node返回 document 給客戶端。
寫請求是寫入 primary shard，然后同步給所有的 replica shard；讀請求可以從 primary shard 或 replica shard 讀取，采用的是隨機輪詢算法。
es 搜索數據過程[是指search?search和普通docid get的背后邏輯不一樣？]
es 最強大的是做全文檢索，就是比如你有三條數據：
java真好玩兒啊java好難學啊j2ee特別牛
你根據java關鍵詞來搜索，將包含java的document給搜索出來。es 就會給你返回：java真好玩兒啊，java好難學啊。
-
客戶端發送請求到一個
coordinate node。 -
協調節點將搜索請求轉發到所有的 shard 對應的
primary shard或replica shard，都可以。 -
query phase：每個 shard 將自己的搜索結果（其實就是一些
doc id）返回給協調節點，由協調節點進行數據的合并、排序、分頁等操作，產出最終結果。 -
fetch phase：接著由協調節點根據
doc id去各個節點上拉取實際的document數據，最終返回給客戶端。
寫數據底層原理
1）document先寫入導內存buffer中，同時寫translog日志
2)）https://www.elastic.co/guide/cn/elasticsearch/guide/current/near-real-time.html
refresh操作所以近實時搜索：寫入和打開一個新段(一個追加的倒排索引)的輕量的過程叫做refresh。每隔一秒鐘把buffer中的數據創建一個新的segment，這里新段會被先寫入到文件系統緩存–這一步代價會比較低，稍后再被刷新到磁盤–這一步代價比較高。不過只要文件已經在緩存中， 就可以像其它文件一樣被打開和讀取了，內存buffer被清空。此時，新segment 中的文件就可以被搜索了，這就意味著document從被寫入到可以被搜索需要一秒種，如果要更改這個屬性，可以執行以下操作
PUT /my_index
{
“settings”: {
“refresh_interval“: “30s”
}
}
3）https://www.elastic.co/guide/cn/elasticsearch/guide/current/translog.html
flush操作導致持久化變更：執行一個提交并且截斷 translog 的行為在 Elasticsearch 被稱作一次flush。刷新（refresh）完成后, 緩存被清空但是事務日志不會。translog日志也會越來越多，當translog日志大小大于一個閥值時候或30分鐘，會出發flush操作。
- 所有在內存緩沖區的文檔都被寫入一個新的段。
- 緩沖區被清空。
- 一個提交點被寫入硬盤。（表明有哪些segment commit了）
- 文件系統緩存通過
fsync到磁盤。 - 老的 translog 被刪除。
分片每30分鐘被自動刷新（flush），或者在 translog 太大的時候也會刷新。也可以用_flush命令手動執行。
translog每隔5秒會被寫入磁盤（所以如果這5s，數據在cache而且log沒持久化會丟失）。在一次增刪改操作之后translog只有在replica和primary shard都成功才會成功，如果要提高操作速度，可以設置成異步的
PUT /my_index
{
“settings”: {
“index.translog.durability”: “async” ,
“index.translog.sync_interval”:”5s”
}
}
所以總結是有三個批次操作，一秒做一次refresh保證近實時搜索，5秒做一次translog持久化保證數據未持久化前留底，30分鐘做一次數據持久化。
2.基于translog和commit point的數據恢復
在磁盤上會有一個上次持久化的commit point，translog上有一個commit point，根據這兩個commit point，會把translog中的變更記錄進行回放，重新執行之前的操作
3.不變形下的刪除和更新原理
https://www.elastic.co/guide/cn/elasticsearch/guide/current/dynamic-indices.html#deletes-and-updates
一個文檔被 “刪除” 時，它實際上只是在.del文件中被標記刪除。一個被標記刪除的文檔仍然可以被查詢匹配到， 但它會在最終結果被返回前從結果集中移除。
文檔更新也是類似的操作方式：當一個文檔被更新時，舊版本文檔被標記刪除，文檔的新版本被索引到一個新的段中。 可能兩個版本的文檔都會被一個查詢匹配到，但被刪除的那個舊版本文檔在結果集返回前就已經被移除。
段合并的時候會將那些舊的已刪除文檔從文件系統中清除。被刪除的文檔（或被更新文檔的舊版本）不會被拷貝到新的大段中。
4.merge操作，段合并
https://www.elastic.co/guide/cn/elasticsearch/guide/current/merge-process.html
由于每秒會把buffer刷到segment中，所以segment會很多，為了防止這種情況出現，es內部會不斷把一些相似大小的segment合并，并且物理刪除del的segment。
當然也可以手動執行
POST /my_index/_optimize?max_num_segments=1，盡量不要手動執行，讓它自動默認執行就可以了
5.當你正在建立一個大的新索引時（相當于直接全部寫入buffer，先不refresh，寫完再refresh），可以先關閉自動刷新，待開始使用該索引時，再把它們調回來：
PUT /my_logs/_settings
{ "refresh_interval": -1 }
PUT /my_logs/_settings
{ "refresh_interval": "1s" }
底層 lucene
簡單來說，lucene 就是一個 jar 包，里面包含了封裝好的各種建立倒排索引的算法代碼。我們用 Java 開發的時候，引入 lucene jar，然后基于 lucene 的 api 去開發就可以了。
通過 lucene，我們可以將已有的數據建立索引，lucene 會在本地磁盤上面，給我們組織索引的數據結構。
倒排索引
在搜索引擎中，每個文檔都有一個對應的文檔 ID，文檔內容被表示為一系列關鍵詞的集合。例如，文檔 1 經過分詞，提取了 20 個關鍵詞，每個關鍵詞都會記錄它在文檔中出現的次數和出現位置。
那么，倒排索引就是關鍵詞到文檔ID 的映射，每個關鍵詞都對應著一系列的文件，這些文件中都出現了關鍵詞。
舉個栗子。
有以下文檔：
對文檔進行分詞之后，得到以下倒排索引。
另外，實用的倒排索引還可以記錄更多的信息，比如文檔頻率信息，表示在文檔集合中有多少個文檔包含某個單詞。
那么，有了倒排索引，搜索引擎可以很方便地響應用戶的查詢。比如用戶輸入查詢Facebook，搜索系統查找倒排索引，從中讀出包含這個單詞的文檔，這些文檔就是提供給用戶的搜索結果。
要注意倒排索引的兩個重要細節：
-
倒排索引中的所有詞項對應一個或多個文檔
-
倒排索引中的詞項根據字典順序升序排列
上面只是一個簡單的栗子，并沒有嚴格按照字典順序升序排列。
Translog的詳解
translog是用來恢復數據的。Es用“后寫”的套路來加快寫入速度 — 寫入的索引并沒有實時落盤到索引文件，而是先雙寫到內存和translog文件，
下圖1中灰色部分（見藍色箭頭）表示數據出于 可搜索 & 未落盤 & 已寫日志 的狀態。此時如果掉電，es重啟后還可以把數據從日志文件中讀回來。
詳細：https://www.cnblogs.com/fengda/p/10348606.html
總結
以上是生活随笔為你收集整理的elasticsearch面试必考（亲身经历的问题）的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： SAP CRM Fiori应用Appoi
- 下一篇： ipad写python代码用什么软件_i