《ElasticSearch面试题》由会员分享，可在线阅读，更多相关《ElasticSearch面试题（9页珍藏版）》请在金锄头文库上搜索。
1、 .1：es介绍Elasticsearch是一个基于Lucene的实时的分布式搜索和分析引擎。设计用于云计算中，能够达到实时搜索，稳定，可靠，快速，安装使用方便。基于RESTful接口。普通请求是.get?a=1rest请求.get/a/12：全文搜索的工具有哪些Lucene Solr Elasticsearch3：es的bulk的引用场景1.bulk API可以帮助我们同时执行多个请求2.create和index的区别如果数据存在，使用create操作失败，会提示文档已经存在，使用index则可以成功执行。3.可以使用文件操作使用文件的方式vi requestscurl -XPOST/PUT
2、 localhost:9200/_bulk -data-binary request;bulk请求可以在URL中声明/_index 或者/_index/_type4.bulk一次最大处理多少数据量bulk会把将要处理的数据载入内存中，所以数据量是有限制的最佳的数据量不是一个确定的数值，它取决于你的硬件，你的文档大小以及复杂性，你的索引以及搜索的负载一般建议是1000-5000个文档，如果你的文档很大，可以适当减少队列,大小建议是5-15MB，默认不能超过100M，可以在es的配置文件中修改这个值http.max_content_length: 100mb5.版本控制的一个问题在读数据与写数据之
3、间如果有其他线程进行写操作，就会出问题，es使用版本控制才避免这种问题。在修改数据的时候指定版本号，操作一次版本号加1。6.es的两个web访问工具BigDesk Plugin (作者 Luk? Vl?ek) 简介：监控es状态的插件,推荐！主要提供的是节点的实时状态监控，包括jvm的情况，linux的情况，elasticsearch的情况Elasticsearch Head Plugin (作者 Ben Birch) 简介：很方便对es进行各种操作的客户端。4：核心概念集群cluster*代表一个集群，集群中有多个节点，其中有一个为主节点，这个主节点是可以通过选举产生的，主从节点是对于集群内
4、部来说的。es的一个概念就是去中心化，字面上理解就是无中心节点，这是对于集群外部来说的，因为从外部来看es集群，在逻辑上是个整体，你与任何一个节点的通信和与整个es集群通信是等价的。主节点的职责是负责管理集群状态，包括管理分片的状态和副本的状态，以及节点的发现和删除。只需要在同一个网段之内启动多个es节点，就可以自动组成一个集群。默认情况下es会自动发现同一网段内的节点，自动组成集群。分片shards*代表索引分片，es可以把一个完整的索引分成多个分片，这样的好处是可以把一个大的索引拆分成多个，分布到不同的节点上。构成分布式搜索。分片的数量只能在索引创建前指定，并且索引创建后不能更改。可以在创
5、建索引库的时候指定curl -XPUT localhost:9200/test1/ -dsettings:number_of_shards:3默认是一个索引库有5个分片index.number_of_shards: 5副本replicas*代表索引副本，es可以给索引设置副本，副本的作用一是提高系统的容错性，当某个节点某个分片损坏或丢失时可以从副本中恢复。二是提高es的查询效率，es会自动对搜索请求进行负载均衡。可以在创建索引库的时候指定，副本数后期可以更改。curl -XPUT localhost:9200/test2/ -dsettings:number_of_replicas:2默认是一
6、个分片有1个副本index.number_of_replicas: 1数据重新分布recovery *代表数据恢复或叫数据重新分布，es在有节点加入或退出时会根据机器的负载对索引分片进行重新分配，挂掉的节点重新启动时也会进行数据恢复。数据的持久化操作gateway*代表es索引的持久化存储方式，es默认是先把索引存放到内存中，当内存满了时再持久化到硬盘。当这个es集群关闭再重新启动时就会从gateway中读取索引数据。es支持多 种类型的gateway，有本地文件系统（默认），分布式文件系统，Hadoop的HDFS和amazon的s3云存储服务。自动发现机制discovery.zen*代表es
7、的自动发现节点机制，es是一个基于p2p的系统，它先通过广播寻找存在的节点，再通过多播协议来进行节点之间的通信，同时也支持点对点的交互。集群或节点与客户端交互的方式Transport*代表es内部节点或集群与客户端的交互方式，默认内部是使用tcp协议进行交互，同时它支持http协议（json格式）、thrift、servlet、memcached、zeroMQ等的传输协议（通过插件方式集成）。index 和rdbms中的数据库相似type 表document 行field 列5：serachType四种搜索类型，详细介绍分布式搜索的流程先把查询请求发送给集群的某一个节点某个节点把最终的结果返回
8、给客户端QUERY_AND_FETCH1：客户端把请求发送给集群中的某一个节点，这个节点会把查询请求发送给所有分片去执行，2：每个分片会把查询的数据(包含数据的分值,以及数据的详细内容)返回给某一个节点进行汇总，排序，然后把这些数据返回给客户端这样客户端可能会收到(10*分片数量) 的数据这种方案，数据量和排名都有问题。优点：效率高，查询速度快QUERY_THEN_FETCH（默认）1：客户端把请求发送给集群中的某一个节点，这个节点会把查询请求发送给所有分片去执行，2：每个分片会把查询的数据(包含数据的分值,以及数据ID)返回给某一个节点进行汇总，排序，取前10名3：根据前10名的id到对应的
9、分片查询数据的详细内容，返回给客户端这种方案，解决了数据量的问题。但是排名还有有问题。(DFS：初始化散发过程)DFS_QUERY_AND_FETCH1：在查询之前，会把所有分片的词频和文档频率(打分依据)汇总到一块2：客户端把请求发送给集群中的某一个节点，这个节点会把查询请求发送给所有分片去执行，3：每个分片会把查询的数据(包含数据的分值,以及数据的详细内容)返回 给某一个节点进行汇总，排序，然后把这些数据返回给客户端解决了排名的问题还存在数据量的问题DFS_QUERY_THEN_FETCH1：在查询之前，会把所有分片的词频和文档频率(打分依据)汇总到一块2：客户端把请求发送给集群中的某一个
10、节点，这个节点会把查询请求发送给所有分片去执行，3：每个分片会把查询的数据(包含数据的分值,以及数据ID)返回给某一个节点进行汇总，排序，取前10名4：根据前10名的id到对应的分片查询数据的详细内容，返回给客户端既解决了排名问题，也解决了数据量的问题但是性能最低总结一下，从性能考虑QUERY_AND_FETCH是最快的，DFS_QUERY_THEN_FETCH是最慢的。从搜索的准确度来说，DFS要比非DFS的准确度更高。高亮 补：高亮的注意事项：高亮的内容和原始内容是分开返回的高亮字段的内容必须在es中存储(是否存储这个属性的值必须是true)分组：分组统计数量或者分组统计分数删除索引库：两
11、种方式xurl或者java apiTimeout ：6：建立索引和查询的流程建立索引的流程：首先根据空白符进行分割再切分关键词，去除停用词，如果有英文全部转换为小写，对切分的关键词建立索引，每个关键词都有对应的id，还有一个倒排索引队列存储该关键词出现在文档的id，在该文档出现的次数，在该文档出现的位置查询的流程：首先根据空白符进行分割，再切分关键词，去除停用词，如果有英文全部转换为小写，将切分后的到的关键词和索引库进行匹配中文分词器-IKes官方提供的分词插件对中文分词效果不是很好，可以集成ik分词，对中文分词效果比较好如果想根据自己的规则进行分词，可以自定义分词库，自定义分词库文件必须以.
12、dic结尾，词库文件的编码为utf8 without bom，一个词语一行，将自定义的文件库加入到ES_HOME/config/ik/ 目录下，修改ik的配置文件，重启生效7：为什么使用索引工具查询快(使用了倒排索引的技术，大致介绍一下倒排索引，还有索引库中的词都是按照顺序排列 ，后期根据一个关键词查询的时候，可以利用类似折半查找的算法，查询效率非常高)使用了倒排索引的技术，一般我们都是这样定义id 关键词，倒排索引是关键词 id正好相反，使用索引工具进行查询时，首先得到关键词，建立倒排索引表，关键词-索引列表包含该关键词所在的文档的id、在该文档中出现的次数、在该文档中出现的位置信息，这种由
13、属性值确定记录的位置的方式成为倒排索引。还有 索引库中的词都是按照顺序排列 ，后期根据一个关键词查询的时候，可以利用类似折半查找的算法，查询效率非常高8.setting与mapping作用settings修改索引库默认配置例如：分片数量，副本数量查看：curl -XGET https:/localhost:9200/crxy/_settings?pretty(操作不存在索引)curl -XPUT localhost:9200/crxy/ -dsettings:number_of_shards:3,number_of_replicas:2(操作已存在索引)curl -XPUT localhost
14、:9200/crxy/_settings -dindex:number_of_replicas:2Mapping,动态mapping机制：这个机制会自定识别参数值的类型，自动给这个参数设置属性好处：操作方便，不需要提前考虑这个字段是否在es中定义过。弊端：针对一个未知的数据，本来不应该存储的，这样也会存储了，对数据基本没有什么可控性在实际开发中，如果数据类型已知，建议还是关闭自动mapping。如果数据类型未知，只能使用自定mapping机制9：分片查询方式：es中默认的分片查询方式为随机从分片中取数据，其他的分片查询方式还有如：_local:查询操作首先在本地查找，如果本地没有再到其他节点进
15、行查找_primary:只在主分片中查询_shads:按照指定的分片进行查询，这种查询方式实现了es的极速查询（在存储数据的时候通过rooting参数可以指定将数据分配到某一个分片中，rooting参数值相同的分配到一个分片中，后期查询时可以根据rooting参数值指定到哪个分片中查找，从而实现了极速查询）修改源码自定义从多个节点进行查询等10：es集群的脑裂问题es集群有可能会出现脑裂问题，原因主要有两个：1）如果集群中节点不在同一个网段有可能是网络延迟造成的2）如果集群中的节点在同一个网段，有可能是主节点负载太大造成的解决方案主要有两种：1） 把主从节点的职责分离,设置三个储备主节点， node.master=true,node.data=false从节点只存储数据，node.master=false,node.data=true2)增加延迟时间将储备主节点数最小设为n/2+1个11：优化适当调大系统打开的最大打开文件数，默认为1024修改配置
