ElasticSearch是Java面试经常问到的内容，今天给大家总结了常见的ElasticSearch面试题及答案@mikechen
什么是ElasticSearch？
ElasticSearch是一个开源的分布式搜索和分析引擎，基于Lucene库构建而成。
ElasticSearch的特点？
- 分布式架构：ElasticSearch能够水平扩展，将数据分布在多个节点上，实现高吞吐量和可伸缩性。
- 实时性：数据被索引后几乎立即可供搜索和分析。
- 多种查询类型：支持全文搜索、精确匹配、模糊查询、范围查询等多种查询方式。
- 高亮显示：能够标记搜索结果中匹配的关键字，提升用户体验。
- 强大的聚合功能：支持各种聚合操作，如统计、分组、求和、平均值等。
- 全文检索和分析：支持对结构化和非结构化数据进行全文搜索和复杂的数据分析。
ElasticSearch的应用场景？
1）全文搜索的功能
ElasticSearch以其强大的全文搜索功能而闻名，适用于构建各种搜索引擎应用。
它可以应用于电子商务网站、新闻聚合网站、论坛社区、文档管理系统等需要快速、准确搜索的场景。
2）日志分析
ElasticSearch可以用于集中存储和分析分布式应用程序的日志和追踪数据。
3） 数据挖掘和机器学习
ElasticSearch结合机器学习工具，如Kibana、Logstash和Beats（ELK堆栈），可以用于数据挖掘、实时监控和异常检测等应用。
4）安全分析
当您需要通过日志解决公司内部繁杂的安全审计工作，可通过Elasticsearch分析、检索海量历史日志，高效地完成安全审计工作。
ElasticSearch与关系型数据库相比较？
与传统关系型数据库相比，ElasticSearch有以下几个区别：
- 数据模型：ElasticSearch是面向文档的，每个文档是一个自包含的实体，可以是JSON、XML等格式。而关系型数据库使用表格和行来组织数据。
- 查询语言：ElasticSearch使用基于RESTful API的查询语言，结构清晰、易于理解，而关系型数据库使用SQL语言。
- 分布式性能：ElasticSearch具备水平扩展的能力，可以将数据分散存储在多个节点上，实现更好的性能和可伸缩性。而关系型数据库通常在单个服务器上运行，难以进行横向扩展。
- 复杂的搜索和分析功能：ElasticSearch提供丰富的全文搜索、聚合和分析功能，支持高级查询和数据分析，而关系型数据库的搜索功能相对较弱。
Elasticsearch 的基本概念？
1.索引（Index）
索引是一个逻辑容器，用于存储和组织一类具有相似特征的文档。每个索引都有一个唯一的名称，并包含了相关文档的倒排索引和元数据。
2.文档（Document）
文档是Elasticsearch的基本数据单元，以JSON格式表示。每个文档在索引中都有一个唯一的标识符（ID），并且属于一个特定的索引。文档可以包含各种类型的数据，如文本、数字、日期等。
3.类型（Type）
在较早的版本中，Elasticsearch引入了类型的概念，用于对索引中的文档进行分类。但自Elasticsearch 7.0版本开始，类型已被弃用，一个索引只能包含一个默认类型”_doc”。
4.分片（Shard）
索引可以被划分成多个分片，每个分片是一个独立的索引单元。分片允许数据在集群中分布式存储和处理，提高了性能和可扩展性。分片可以水平扩展和并行处理数据。
5.副本（Replica）
每个分片可以有零个或多个副本。副本是分片的复制，用于提供数据冗余和高可用性。副本可以分布在不同的节点上，提供数据的备份和故障恢复能力。
6.节点（Node）
节点是Elasticsearch集群中的一个服务器实例，可以存储和处理数据。节点具有唯一的名称，并且可以承担多个角色，如主节点、数据节点、协调节点等。
7.集群（Cluster）
集群由多个节点组成，共同协作以提供高可用性和可伸缩性。集群有一个唯一的名称，并且具有一个主节点（Master Node），负责协调整个集群的操作。
如何在 ElasticSearch 中执行搜索操作？
在 ElasticSearch 中，可以使用查询语句（Query DSL）执行搜索操作。
Query DSL是一种基于JSON的领域特定语言，用于构建查询语句。
常见的搜索操作包括：全文搜索、精确匹配、模糊查询、范围查询等。
例如，使用match查询进行全文搜索，使用term查询进行精确匹配，使用wildcard查询进行模糊查询，使用range查询进行范围查询等。
ElasticSearch中的分析器是什么？
在ElasticSearch中，分析器（Analyzer）是一个用于处理文本的组件，它在将文本数据索引之前对其进行分词（Tokenization）和标准化（Normalization）。
分析器由以下两个主要组件组成：
- 分词器（Tokenizer）：分词器将文本划分为一个个独立的词（或称为标记，Tokens），根据特定的规则进行切分。常见的分词器包括标准分词器（Standard Tokenizer）、简单分词器（Simple Tokenizer）、空格分词器（Whitespace Tokenizer）等。
- 词条过滤器（Token Filters）：词条过滤器对分词后的词进行处理，例如删除停用词（Stop Words）、转换为小写、词干提取（Stemming）、同义词扩展等。词条过滤器可以按需组合使用，以满足具体的需求。常见的词条过滤器包括停用词过滤器（Stop Token Filter）、小写化过滤器（Lowercase Token Filter）、词干过滤器（Stemmer Token Filter）等。
Elasticsearch 索引文档的过程?
面试官想考察你的是：文档写入 ES创建索引的过程。
文档写入包含：单文档写入和批量bulk写入，这里只解释一下单文档写入流程。
大致分为如下三步：
第一步：客户从集群某节点写入数据，发送请求。
第二步：节点 1 接受到请求后，使用文档_id 来确定文档属于分片 0。而分片0属于节点3，请求会被转到节点 3。分片 0 的主分片也分配到节点 3 上；
第三步：节点 3 在主分片上执行写操作，成功后将请求并行转发到节点1和节点 2 的副本分片上。所有的副本分片都报告成功，节点3将向协调节点（节点 1）报告成功，节点 1 向请求客户端报告写入成功。
ElasticSearch的搜索流程？
搜索被执行成一个两阶段过程：
第一个阶段：Query阶段
客户端发送请求到 coordinate node，协调节点将搜索请求广播到所有的 primary shard 或 replica，每个分片在本地执行搜索并构建一个匹配文档的大小为 from + size 的优先队列。接着每个分片返回各自优先队列中 所有 docId 和 打分值 给协调节点，由协调节点进行数据的合并、排序、分页等操作，产出最终结果。
第二个阶段：Fetch阶段
协调节点根据 Query阶段产生的结果，去各个节点上查询 docId 实际的 document 内容，最后由协调节点返回结果给客户端。
ElasticSearch中的倒排索引是什么？
倒排索引是 ElasticSearch 中的核心概念，用于实现快速的全文搜索。
它是一种将文档中的每个词映射到包含该词的文档的数据结构。通过倒排索引，可以快速确定包含特定词的文档。
倒排索引是区别于正排索引的概念：
正排索引：是以文档对象的唯一 ID 作为索引，以文档内容作为记录。
倒排索引：Inverted index，指的是将文档内容中的单词作为索引，将包含该词的文档 ID 作为记录。
Elasticsearch 支持哪些类型的查询？
包括：
- match查询：用于执行全文搜索，基于查询文本与字段内容的相关性进行匹配。
- term查询：用于精确匹配字段的值，不进行分词。
- range查询：用于匹配在某个范围内查询。
Elasticsearch 中的数据存储功能吗？
Elasticsearch是一个搜索引擎，输入写入ES的过程就是索引化的过程，数据按照既定的 Mapping 序列化为Json 文档实现存储。
解释一下Elasticsearch Cluster？
Elasticsearch 集群是一组连接在一起的一个或多个 Elasticsearch 节点实例。
Elasticsearch 集群的功能在于在集群中的所有节点之间分配任务，进行搜索和建立索引。
解释一下 Elasticsearch 的 分片？
当文档数量增加，硬盘容量和处理能力不足时，对客户端请求的响应将延迟。
在这种情况下，将索引数据分成小块的过程称为分片，可改善数据搜索结果的获取。
Elasticsearch 中执行搜索的各种可能方式有哪些？
方式一：基于 DSL 检索（最常用） Elasticsearch提供基于JSON的完整查询DSL来定义查询。
GET /shirts/_search
{
"query": {
"bool": {
"filter": [
{ "term": { "color": "red" }},
{ "term": { "brand": "gucci" }}
]
}
}
}
方式二：基于 URL 检索
GET /my_index/_search?q=user:seina
方式三：类SQL 检索
POST /_sql?format=txt
{
"query": "SELECT * FROM uint-2020-08-17 ORDER BY itemid DESC LIMIT 5"
}
ElasticSearch如何实现 master 选举的？
在Elasticsearch中，Master节点的选举是通过内部的分布式协调机制来实现的。
当一个Elasticsearch集群启动或发生Master节点故障时，集群中的节点会自动进行Master节点选举，确保集群的正常运行。
以下是Master节点选举的基本过程：
- 启动阶段：当Elasticsearch集群中的节点启动时，它们会互相发现，并尝试建立连接。在集群中的每个节点都有一个唯一的节点名称，可以在配置文件或命令行参数中指定。在启动时，节点会尝试成为Master候选节点。
- Master候选节点选举：当节点启动后，它们会通过内部的选举算法进行Master候选节点的选举。在这个过程中，节点会比较彼此的节点名称和优先级，并基于一定的规则选择出一个节点作为Master候选节点。
- Master节点选举结果：选举完成后，集群中的节点将达成一致，决定哪个节点将成为Master节点。选举结果会被广播给集群中的所有节点。
- Master节点失效处理：如果当前的Master节点失效（如宕机或网络故障），其他节点会重新触发选举过程，选择新的Master节点来接替失效的角色。
Elasticsearch 更新和删除文档的过程？
在Elasticsearch中，更新和删除文档的过程涉及以下几个步骤：
- 更新文档：
- 客户端发送更新请求（Update Request）给Elasticsearch集群，指定要更新的文档ID和更新的内容。
- Elasticsearch接收到请求后，首先检查文档是否存在。如果文档存在，它会将更新的内容与原始文档进行合并。
- 合并后的文档被写入索引的事务日志（translog）中，以确保数据的持久性。
- 更新后的文档被写入相应的分片中，并根据需要进行副本同步。
- 客户端收到响应，确认文档已成功更新。
- 删除文档：
- 客户端发送删除请求（Delete Request）给Elasticsearch集群，指定要删除的文档ID。
- Elasticsearch接收到请求后，检查文档是否存在。如果文档存在，它会将删除操作写入索引的事务日志（translog）中。
- 删除操作会被应用到相应的分片中，并根据需要进行副本同步。
- 客户端收到响应，确认文档已成功删除。
Elasticsearch高并发下如何保证读写一致性？
在Elasticsearch中，读写一致性是通过以下机制来保证的：
1.分片级别的一致性
Elasticsearch将索引分成多个分片，每个分片都是一个独立的工作单元。
写入操作先写入主分片，然后通过副本同步到其他副本分片。在写入完成之前，读取操作会优先读取主分片的数据，确保读写操作的一致性。
2.写入刷新（Write Refresh）
当一个文档被写入主分片后，Elasticsearch并不立即将其刷新到磁盘上。
相反，它将写入操作追加到事务日志（translog）中，并在适当的时机进行刷，。这种方式下，写入操作在内存中完成，提供了较高的写入性能。
3.索引刷新（Index Refresh）
为了确保数据的一致性和可搜索性，Elasticsearch会定期或手动执行索引刷新操作。
索引刷新会将内存中的数据写入磁盘，并更新搜索的视图。
默认情况下，索引刷新每隔1秒自动执行一次，但可以根据需要进行调整。
4.同步写入（Synced Flush）
在某些情况下，需要确保写入的数据立即刷新到磁盘，以确保持久性和一致性。
可以使用同步写入（synced flush）操作，它会阻塞写入操作，直到数据完全写入磁盘。
同步写入操作会增加写入的延迟，但可以提供更强的一致性保证。
ElasticSearch索引多了怎么办，如何调优部署?
1)在设计的时候可以基于模板+时间滚动方式创建索引，每天递增数据，避免单个索引很大的情况出现;
2)在存储的时候冷热数据分开存储,比如最近3天的数据作为热数据，其他的作为冷数据。冷数据的话由于不会再写入新数据了，可以考虑定期force_merge（强制合并）和shrink（压缩）的方式进行处理，节约空间和检索效率。
3)由于es支持动态扩展，所有可以多加几台机器来缓解集群压力。
mikechen
mikechen睿哥，10年+大厂架构经验，资深技术专家，就职于阿里巴巴、淘宝、百度等一线互联网大厂。
关注「mikechen」公众号，获知最新一线技术干货！
