ElasticSearch

面试题

一、基础概念类

1. 什么是 Elasticsearch？它的主要用途是什么？

答：
Elasticsearch 是一个基于 Lucene 的开源分布式搜索和分析引擎，支持实时全文检索、结构化搜索、日志分析、监控数据等场景。

主要用途：

• 全文搜索引擎（如电商商品搜索）
• 日志和指标分析（结合 Logstash、Kibana 构成 ELK 栈）
• 实时数据分析平台
• 数据聚合与可视化

2. Elasticsearch 是如何实现近实时搜索的？

答：
Elasticsearch 默认每 1 秒刷新一次（refresh interval），将内存中的文档写入倒排索引，使其可被搜索，因此被称为“近实时”（NRT, Near Real-Time）。

• 新文档先写入内存 buffer 和 translog（事务日志）
• 每隔 1 秒执行一次 refresh，生成新的 segment 并打开供搜索
• 可通过 ?refresh 参数手动触发刷新
• 注意：refresh 不等于持久化，数据仍需通过 flush 写入磁盘

3. Elasticsearch 中的倒排索引来是什么？它有什么优势？

答：
倒排索引（Inverted Index）是 Elasticsearch 实现快速全文搜索的核心数据结构。

结构示例：

词项 → 包含该词的文档列表
"apple" → [doc1, doc3]
"banana" → [doc2, doc3]

优势：

• 快速定位包含某个关键词的文档
• 支持布尔查询、短语匹配、高亮等功能
• 相比正向索引（文档 → 词项），更适合全文检索

4. Elasticsearch 是分布式的，它的分布式架构是怎样的？

答：
Elasticsearch 的分布式架构包括以下几个核心概念：

组件	说明
Node（节点）	一个运行中的 ES 实例
Cluster（集群）	由一个或多个节点组成，共同管理数据
Index（索引）	类似数据库中的“表”，存储一类文档
Shard（分片）	索引被分为多个 shard，实现水平扩展
Replica（副本）	每个 shard 可有多个副本，提高容错性和吞吐量

• 主分片（Primary Shard）：负责写操作
• 副本分片（Replica Shard）：用于读操作和故障恢复
• 分布式查询通过协调节点（Coordinating Node）完成

二、核心机制

5. Elasticsearch 写入数据的流程是怎样的？

答：
写入流程（Index API）如下：

1. 客户端发送写请求到任意节点（协调节点）
2. 协调节点根据 _id 计算目标分片：shard = hash(_id) % primary_shard_count
3. 请求转发到主分片所在节点
4. 主分片将数据写入内存 buffer 并追加到 translog
5. 执行 refresh（默认 1s 一次），使文档可被搜索
6. 定期执行 flush，将内存 buffer 中的数据写入磁盘 segment，并清空 translog
7. 主分片通知副本分片同步数据，完成后返回客户端成功

✅ 成功条件：主分片 + 所有副本分片都成功写入（取决于 wait_for_active_shards 设置）

6. 什么是 translog？它的作用是什么？

答：
translog（Transaction Log）是一个事务日志，记录了所有对索引的写操作（index、update、delete）。

作用：

• 保证数据不丢失：即使数据还在内存中未刷新到 segment，崩溃后可通过 translog 恢复
• 支持实时 get 操作：可通过 translog 获取最新版本的文档
• flush 操作会清空 translog（或生成新的）

默认每 5 秒或每次 index.refresh_interval 后 fsync 到磁盘（可配置）

7. 说说 refresh、flush、merge 的区别？

操作	说明	触发频率
refresh	将内存 buffer 中的数据生成新的 segment，使其可被搜索	默认 1s 一次
flush	将内存中的 segment 写入磁盘，并清空 translog	默认 30 分钟或 translog 太大时
merge	合并多个小 segment 为大 segment，减少文件数，提升性能	后台自动进行

merge 是 I/O 密集型操作，但不阻塞读写

8. Elasticsearch 如何保证高可用？

答：
通过以下机制实现高可用：

• 副本机制（Replica）：每个主分片可有多个副本，当主分片宕机时，副本可提升为主分片
• 集群自动发现与选举：使用 Zen Discovery 或基于 Raft 的新协调机制（7.x+）选举 master 节点
• 数据分片与负载均衡：数据分散在多个节点上，避免单点故障
• 脑裂防护：通过设置 discovery.zen.minimum_master_nodes（旧版本）或 cluster.initial_master_nodes（新版本）防止脑裂

三、查询与性能优化

9. 介绍一下常用的查询类型？

答：
常见查询类型包括：

查询类型	示例	用途
match	{"match": {"title": "elastic"}}	全文匹配，会分词
term	{"term": {"status": "active"}}	精确匹配，不分词
match_phrase	"quick brown fox"	短语匹配，顺序一致
bool	must,should,must_not	组合多个条件
range	{"age": {"gte": 18}}	范围查询
wildcard	{"name": {"wildcard": "abc*"}}	通配符查询（性能较差）
prefix	自动前缀匹配	适合补全场景

⚠️ term 查询用于 keyword 类型；match 用于 text 类型

10. 什么是相关性评分（_score）？它是如何计算的？

答：
_score 表示文档与查询的相关性得分，基于 TF-IDF 或 BM25 算法（ES 5.0+ 默认使用 BM25）。

BM25 公式简化理解：

• 词频（TF）越高，得分越高
• 逆文档频率（IDF）越高（词越稀有），得分越高
• 字段长度越短，得分越高

可通过 explain=true 查看评分细节

11. 如何优化 Elasticsearch 的搜索性能？

答：
常见优化手段：

1. 合理设计 Mapping：
   • 避免 dynamic mapping 导致字段类型错误
   • 使用 keyword 替代 text 用于聚合和精确查询
2. 调整分片数量：
   • 单个分片建议 10–50GB，避免过多分片
3. 使用 filter 上下文：
   • filter 不计算评分，可缓存，性能更高
4. 避免 deep paging：
   • 使用 search_after 或 scroll 替代 from + size
5. 冷热架构分离：
   • 热节点处理写入和实时查询，冷节点存储历史数据
6. 开启慢查询日志：
   • 分析并优化慢查询
7. 使用预聚合或物化视图（8.x 支持）

四、运维与实战类

12. 如何设计一个适合电商商品搜索的索引结构？

答：
示例 mapping：

PUT /product_index
{
  "mappings": {
    "properties": {
      "id": { "type": "keyword" },
      "title": { 
        "type": "text",
        "analyzer": "ik_max_word",
        "search_analyzer": "ik_smart"
      },
      "category": { "type": "keyword" },
      "price": { "type": "float" },
      "brand": { "type": "keyword" },
      "tags": { "type": "keyword" },
      "sales_count": { "type": "integer" },
      "on_sale": { "type": "boolean" }
    }
  }
}

搜索示例：

GET /product_index/_search
{
  "query": {
    "bool": {
      "must": [
        { "match": { "title": "手机" } }
      ],
      "filter": [
        { "term": { "on_sale": true } },
        { "range": { "price": { "gte": 1000 } } }
      ]
    }
  }
}

使用 IK 分词器支持中文分词，filter 提升性能

13. Elasticsearch 出现“Too Many Requests”或“Bulk Rejection”怎么办？

答：
这是线程池拒绝请求的常见问题，原因和解决方案如下：

原因：

• 写入或查询请求过多，超出线程池处理能力
• 系统资源不足（CPU、内存、磁盘 IO）

解决方案：

1. 增加线程池队列大小（谨慎）：

   thread_pool:
     write:
       queue_size: 1000

2. 降低 bulk 写入速率，增加 --bulk-size 间隔

3. 增加节点或分片，分散负载

4. 升级硬件配置

5. 使用 retry_on_conflict 和指数退避重试机制

14. 如何安全地升级 Elasticsearch 集群？

答：
推荐滚动升级（Rolling Upgrade）流程：

1. 查看官方兼容性文档（如 7.x → 8.x 可能需停机）

2. 备份数据（快照）

3. 关闭 shard 分配：

   PUT /_cluster/settings
   { "transient": { "cluster.routing.allocation.enable": "primaries" } }

4. 逐个停止节点，升级软件，重启

5. 重新启用分配：

   PUT /_cluster/settings
   { "transient": { "cluster.routing.allocation.enable": "all" } }

6. 验证集群健康状态：GET /_cluster/health

⚠️ 跨大版本升级可能需要重新索引

15. Elasticsearch 中的脑裂问题是什么？如何避免？

答：
脑裂（Split Brain）：网络分区导致多个 master 节点同时存在，造成数据不一致。

避免方法：

• 设置正确的 master 节点选举最小数量：

  # 旧版本（7.x 之前）
  discovery.zen.minimum_master_nodes: 3  # 对于 5 节点集群
  
  # 新版本（7.x+）使用 quorum-based coordination
  cluster.initial_master_nodes: ["node-1", "node-2", "node-3"]

• 建议奇数个 master-eligible 节点（3、5、7）

• 配置合理的 discovery.seed_hosts 和 cluster.name

五、附加题（高级）

16. 说说 Elasticsearch 中的聚合（Aggregation）类型？

答：
三大类聚合：

1. Metric Aggregation

   （指标聚合）：

   • avg, sum, min, max, cardinality（去重统计）

2. Bucket Aggregation

   （桶聚合）：

   • terms：按字段值分桶
   • range：按范围分桶
   • date_histogram：按时间间隔分桶

3. Pipeline Aggregation

   （管道聚合）：

   • 对其他聚合结果进行二次计算，如 derivative, moving_avg

示例：统计各品类销售额

"aggs": {
  "sales_by_category": {
    "terms": { "field": "category" },
    "aggs": {
      "total_sales": { "sum": "price" }
    }
  }
}

17. Elasticsearch 支持哪些分词器？如何自定义？

答：
常见分词器：

分词器	说明
standard	默认，按词边界分词
whitespace	按空格分
keyword	不分词，整个字段作为一个 term
simple	按非字母字符分
language	支持中文、英文等语言（如english）
ik（第三方）	中文分词，支持ik_smart和ik_max_word

自定义 analyzer 示例：

PUT /my_index
{
  "settings": {
    "analysis": {
      "analyzer": {
        "my_ik_analyzer": {
          "type": "custom",
          "tokenizer": "ik_max_word"
        }
      }
    }
  }
}

需提前安装 ik 分词插件：./bin/elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/...

18. Elasticsearch 和数据库（如 MySQL）有什么区别？

对比项	ELASTICSEARCH	MYSQL
存储模型	倒排索引 + 正排索引	B+ 树索引
查询类型	全文搜索、模糊匹配	精确查询、JOIN
一致性	最终一致性	强一致性
写入性能	高（批量写入）	相对较低
适用场景	搜索、日志分析	事务处理、关系数据

建议：ES 不替代数据库，而是作为查询加速层

实操

1、安装ElasticSearch

Ubuntu18.04中安装参考 [^1]

ubuntu使用命令行apt安装，mac下载解压使用，下面示例主要使用的是mac系统下面的es版本7.12.0

安装jdk
sudo apt update
sudo apt install apt-transport-https
wget -qO - https://artifacts.elastic.co/GPG-KEY-elasticsearch | sudo apt-key add -
sudo sh -c 'echo "deb https://artifacts.elastic.co/packages/7.x/apt stable main" > /etc/apt/sources.list.d/elastic-7.x.list'

sudo systemctl enable elasticsearch.service （设置开机自启动）
sudo systemctl start elasticsearch.service （启动）
sudo systemctl stop elasticsearch.service （停止）
sudo systemctl restart elasticsearch.service （重启）
sudo systemctl status elasticsearch.service （查看状态）

使用 curl -X GET “localhost:9200/“ 测试是否启动成功

{
  "name" : "Mac",
  "cluster_name" : "elasticsearch",
  "cluster_uuid" : "Gz-LMjbISM-8uWPiHC3fug",
  "version" : {
    "number" : "7.12.0",
    "build_flavor" : "default",
    "build_type" : "tar",
    "build_hash" : "78722783c38caa25a70982b5b042074cde5d3b3a",
    "build_date" : "2021-03-18T06:17:15.410153305Z",
    "build_snapshot" : false,
    "lucene_version" : "8.8.0",
    "minimum_wire_compatibility_version" : "6.8.0",
    "minimum_index_compatibility_version" : "6.0.0-beta1"
  },
  "tagline" : "You Know, for Search"
}

若在服务器中启动失败，可能为内存太小，修改配置文件**/etc/elasticsearch/jvm.options **

## -Xms4g
## -Xmx4g
-Xms258m
-Xmx258m

配置远程连接，则设置elasticsearch.yml 文件

#设置为0.0.0.0
network.host: 0.0.0.0
#取消注释
cluster.initial_master_nodes: ["node-1", "node-2"]

2、ES可视化elasticsearch-head

elasticsearch-head Gtihub地址 [^2]

#进入到项目目录
npm install 
npm run start

连接时遇到跨域问题

解决：修改elasticsearch.yml配置文件，增加下面跨域配置后重新启动

http.cors.enabled: true
http.cors.allow-origin: "*"

3、使用Kibana（版本需与ES一致）

Kibana下载地址 [^3]

解压后需要先启动es再启动kibana，默认端口为5601

设置中文，修改kibana.yml配置文件

i18n.locale: "zh-CN"

4、使用ik分词器（版本需与ES一致）

iK分词器下载地址 [^4]

ik提供的两个算法：

• ik_smart：最少切分
• ik_max_word：最细粒度划分

下载解压后放入到es的plugins中，并重命名文件夹名称

测试查看已有的插件

重新启动es与kibana，从kibana中测试ik分词器，字典中查找

ik_smart：最少切分

ik_max_word：最细粒度划分

未自定义之前

在ik配置文件中添加自己自定义的dic文件

如果需要自定义的分词，多个自定义的dic文件使用 “**;”** 间隔

修改完后重新启动

变成自定义的单词

5、索引文档操作

创建索引PUT

不推荐使用类型名，换成 “_doc” 使用

PUT /索引名/类型名（后期可不写）/id
{
    请求体
}
PUT /test1/type1/1
{
  "name": "袁凯强",
  "age": 18
}

创建完成后

ES的类型可以有多个

• 字符串类型：text、keyword
• 数值类型：long、integer、short、byte、double、float、half float、scaled float
• 日期类型：date
• 布尔类型：boolean
• 二进制类型：binary

指定字段的类型

获取索引或文档GET

通过GET请求获取具体的信息，后面跟索引名或者是id名都可以

#简单查询
GET test1
GET /test1/_doc/1
#条件查询
GET /test1/_search?q=name:袁
GET /test1/_search?q=name:袁凯强1

通过GET _cat/xxx 命令可以获取系统中的其它信息

修改（两种方式）

1. 直接通过 PUT 方式进行修改

   PUT /test1/type1/1
   {
     "name": "袁凯强1",
     "age": 21
   }

   

2. 通过 POST 方式进行修改（推荐使用）

   POST /test1/type1/1/_update
   {
     "doc": {
       "name": "袁凯强12",
       "age":99
     }
   }

   

删除DELETE

DELETE test2

复杂操作搜索select（排序、分页、高亮、模糊查询、精准查询）

GET /test1/_search
{
  "query": {
    "match": {
      "name": "袁"
    }
  }
}

1. 查询：query

   GET /test1/_search
   {
     "query": {
       "match": {
         "name": "袁"
       }
     }
   }

   

2. 结果过滤 ：_source

   "_source": ["name"]

   

3. 排序：sort（根据数值类型进行排序）

   "sort": [
       {
         "age": {
           "order": "desc"
         }
       }
     ]

   

4. 分页：from、size

   "from": 0,
   "size": 1

   

5. 布尔值查询：bool

   "bool": {
     "must": [
       {
         "match": {
           "name": "袁凯强"
         }
       },
       {
         "match": {
           "age": 21
         }
       }
     ]
   }

   must 相当于mysql中条件中的and

   

   should 相当于mysql中条件中的or

   

   must_not 相当于mysql中条件中的not

   

6. 过滤：filter

   "filter": [
     {
       "range": {
         "age": {
           "gte": 20
         }
       }
     }
   ]

   eq相等，ne、neq不相等，gt大于，lt小于，gte、ge大于等于，lte、le 小于等于，not非，mod求模，div by是否能被某数整除，even是否为偶数，odd是否为奇

   

7. 匹配多个条件进行查询match

   "query": {
     "match": {
       "name": "袁 张"
     }
   }

   

8. 精确查询：term，term查询是直接通过倒排索引指定的词条进程精确查找的

   PUT test2
   {
     "mappings": {
       "properties": {
         "name": {
           "type": "text"
         },
         "desc": {
           "type": "keyword"
         }
       }
     }
   }
   PUT test2/_doc/1
   {
     "name": "袁凯强hello",
     "desc": "注释"
   }
   PUT test2/_doc/2
   {
     "name": "袁凯强hello",
     "desc": "注释2"
   }
   GET _analyze
   {
     "analyzer": "keyword",
     "text": "袁凯强Hello"
   }
   GET _analyze
   {
     "analyzer": "standard",
     "text": "袁凯强Hello"
   }
   GET /test2/_search
   {
     "query": {
       "term": {
         "name": "袁"
       }
     }
   }
   GET /test2/_search
   {
     "query": {
       "term": {
         "desc": "注释"
       }
     }
   }

   使用es默认的分词器keyword与standard

   keyword不会被拆分

   

   standard会被拆分

   

   因为name与desc中的字段类型不一样，keyword不能被分词器解析

   

   name：text类型（trem+text分词查询=》通过standard解析）

   

   desc：keyword类型（trem+keyword精确查询=》通过keyword解析）

   

   多个值匹配精确查询

   

9. 高亮查询：highlight

"highlight":{
	"fields":{
		"name":{}
	}
}

自定义高亮的标签，默认为em

6、集成SpringBoot

API官方文档 [^5]

API在线文档 [^6]

maven依赖

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-data-elasticsearch</artifactId>
</dependency>

使用的对象

导入依赖时，保证es版本与系统版本的一致

精确查找时，不想被分词器解析

1. 名称上加上keyword：keyword参考 [^7]

2. 定义的时候加上定义的类型

   @field注解参考 [^8]

   @Document注解参考 [^9]

@Field(type=FieldType.Text, analyzer="ik_max_word")     表示该字段是一个文本，并作最大程度拆分，默认建立索引
@Field(type=FieldType.Text,index=false)             表示该字段是一个文本，不建立索引
@Field(type=FieldType.Date)                                表示该字段是一个文本，日期类型，默认不建立索引
@Field(type=FieldType.Long)                               表示该字段是一个长整型，默认建立索引
@Field(type=FieldType.Keyword)                         表示该字段内容是一个文本并作为一个整体不可分，默认建立索引
@Field(type=FieldType.Float)                               表示该字段内容是一个浮点类型并作为一个整体不可分，默认建立索引
date 、float、long都是不能够被拆分的

使用类似于JPA的形式使用elasticsearchanalyzer和search_analyzer的区别

Elasticsearch中analyzer和search_analyzer的区别 [^10]

analyzer和search_analyzer的区别
在创建索引，指定analyzer，ES在创建时会先检查是否设置了analyzer字段，如果没定义就用ES预设的
在查询时，指定search_analyzer，ES查询时会先检查是否设置了search_analyzer字段，如果没有设置，还会去检查创建索引时是否指定了analyzer，还是没有还设置才会去使用ES预设的

使用类似于JPA的形式使用elasticsearch