面试题之ElasticSearch

重新自己整理过后的es相关面试题，这里包括八股文和之前面试遇到的问题，后续会持续更新~

1.es的基础知识

• es的类型定义和mysql的映射关系？
• es常用数据类型有哪些？
• es常用方法有哪些？
• es的分词有哪些？

es的类型定义和mysql的映射关系：

es	mysql
索引 Index	数据库Database
类型 Type	表table
文档document	数据行row
字段 Field	column

es的常用数据类型：

• 字符串类型：包括text和keyword。text(不分词)类型用于全文搜索，而keyword(分词)类型适用于索引结构化内容，如ID、电子邮件地址、主机名、状态码、邮政编码或标签。
• 数值类型：包括整数、长整数、短整数、字节、双精度浮点数、单精度浮点数、半精度浮点数和缩放浮点数等。这些类型可用于存储不同范围的数值数据。
• 日期类型：date类型用于存储日期和时间。
• 布尔类型：boolean类型用于存储真或假值。
• 二进制类型：binary类型用于存储二进制数据。
• 范围类型：包括integer_range、float_range、long_range和double_range等，用于存储不同范围的数值数据。
• 数组类型：ES支持数组字段，可以存储多个值。
• 对象类型：单个JSON对象，用于存储复杂的数据结构。
• 嵌套类型：嵌套的JSON对象，用于处理具有复杂关系的JSON数据。
• Geo-point数据类型：geo_point类型用于存储地理坐标点，如经纬度。
• Geo-shape数据类型：geo_shape类型用于存储复杂的地理形状，如多边形。
• IP类型：ip类型用于存储IPv4和IPv6地址。
• Completion类型：completion类型用于自动完成查询。

es的常用方法：

• 索引创建：使用PUT或POST方法，向ES中添加或更新文档。

   	例如：PUT /index_name/_doc/doc_id {
    "field": "value" }

• 索引获取：使用GET方法，获取指定索引的信息。

   	例如：GET /index_name

• 索引删除：使用DELETE方法，删除指定索引。

	例如：DELETE /index_name

• 文档查询：使用GET方法，查询指定索引中的文档。

	例如：GET /index_name/_search {
    "query": {
    "match": {
    "field": "value" } } }

• 聚合查询：使用POST方法，对指定索引中的文档进行聚合分析。

	例如：POST /index_name/_search {
   "aggs":{
   "group_by_field":{
   "terms":{
   "field":"field_name"}}}}

• 高亮显示：使用_highlight字段，在查询结果中高亮显示匹配的文本。

	例如：GET /index_name/_search {
    "highlight": {
    "fields": {
    "field_name":{
   }}}}

• 排序查询：使用sort参数，对查询结果进行排序。

	例如：GET /index_name/_search {
    "sort": [ {
    "field_name": {
    "order": "asc" }}]}

• 分页查询：使用from和size参数，对查询结果进行分页。

	例如：GET /index_name/_search {
   "from": 0,"size":10,"query":{
   "match":{
   "field":"value"}}}

• 更新文档：使用POST或PATCH方法，更新指定索引中的文档。

	例如：POST /index_name/_doc/doc_id/_update {
   "doc":{
   "field":"new_value"}}

• 删除文档：使用DELETE方法，删除指定索引中的文档。

	例如：DELETE /index_name/_doc/doc_id

es的分词：

• Standard Analyzer：标准分词器，按词切分，小写处理，默认停用词默认是关闭的。
• Simple Analyzer：按照非字母切分，非字母都会被去除，即只处理字母，小写处理。
• Whitespace Analyzer：按照空格切分。
• Keyword Analyzer：不分词，直接将输入的文档当做一个词输出。
• Pattern Analyzer：通过在空格进行分词的情况下进行正则表达式进行分词，默认是\W+，非字符的符号进行分割；含停用词和小写处理。
• Language Analyzer：针对不同的语言选择分词，例如english语言分词，会去除词性，如running分词结果为run，- foxes分词结果为fox等；含有停用词处理。
• IK Analyzer：支持自定义词库，支持热更新分词词典。

• 问题1：有一个字段是”我爱中国“，我想查中国，能查出来么？
  答：如果没有分词器，查不出来
• 问题2：我有一个自定义的中文词库，能导入么？
  答：可以，IK词库支持自定义词库。
• 英文是默认空格分词的

2. es的集群、节点、分片、副本分片的定义？

集群有多个节点，一个节点正常来说部署一个分片(容灾考虑)，当然也可以部署多个分片，每个分片都会有副本分片(当然也可以没有)，每个分片是由多个分段组成。每个分片都只为一个索引服务，比如上边的分片12只为索引1服务。

集群：节点通过设置集群名称，在同一网络中发现具有相同集群名称的节点，组成集群。每个集群都有一个 cluster name 作为标识，默认的集群名称为 elasticsearch。如果在同一网络中只有一个节点，则这个节点成为一个单节点集群。

集群状态：

• Green：所有主分片和从分片都准备就绪（分配成功），即使有一台机器挂了（假设一台机器一个实例），数据都不会丢失，但会变成 Yellow 状态。
• Yellow：所有主分片准备就绪，但存在至少一个主分片（假设是 A）对应的从分片没有就绪，此时集群属于警告状态，意味着集群高可用和容灾能力下降，如果刚好 A 所在的机器挂了，而从分片还处于未就绪状态，那么 A 的数据就会丢失（查询结果不完整），此时集群进入 Red 状态。
• Red：至少有一个主分片没有就绪（直接原因是找不到对应的从分片成为新的主分片），此时查询的结果会出现数据丢失（不完整）。

节点：一个 ES 节点就是一个运行的 ES 实例，可以实现数据存储并且搜索的功能。每个节点都有一个唯一的名称作为身份标识，如果没有设置名称，默认使用 UUID 作为名称。最好给每个节点都定义上有意义的名称，在集群中区分出各个节点。

节点类型：

• master 节点： 集群中的一个节点会被选为 master 节点，它将负责管理集群范畴的变更，例如创建或删除索引，添加节点到集群或从集群中删除节点。master 节点无需参与文档层面的变更和搜索，这意味着仅有一个 master 节点并不会因流量增长而成为瓶颈。任意一个节点都可以成为 master 节点。
• data 节点： 持有数据和倒排索引。默认情况下，每个节点都可以通过设定配置文件 elasticsearch.yml 中的 node.data 属性为 true (默认) 成为数据节点。如果需要一个专门的主节点 (一个节点既可以是 master 节点，同时也可以是 data 节点)，应将其 node.data 属性设置为 false。
• client 节点： 如果将 node.master 属性和 node.data 属性都设置为 false，那么该节点就是一个客户端节点，扮演一个负载均衡的角色，将到来的请求路由到集群中的各个节点。
  一个机器可以有多个实例，所以并不能说一台机器就是一个 node，大多数情况下每个 node 运行在一个独立的环境或虚拟机上。

分片(shard)：分为主分片和副本分片

• 单个节点由于物理机硬件限制，存储的文档是有限的，如果一个索引包含海量文档，则不能在单个节点存储。ES 提供分片机制，同一个索引可以存储在不同分片（数据容器）中。
• 分片分为主分片 (primary shard) 以及从分片 (replica shard)。主分片会被尽可能平均地 (rebalance) 分配在不同的节点上（例如你有 2 个节点，4 个主分片（不考虑备份），那么每个节点会分到 2 个分片，后来你增加了 2 个节点，那么你这 4 个节点上都会有 1 个分片，这个过程叫 relocation，ES 感知后自动完成)。
• 从分片只是主分片的一个副本，它用于提供数据的冗余副本，从分片和主分片不会出现在同一个节点上（防止单点故障），默认情况下一个索引创建 5 个主分片，每个主分片会有一个从分片 (5 primary + 5 replica = 10 个分片)。如果你只有一个节点，那么 5 个 replica 都无法被分配 (unassigned)，此时 cluster status 会变成 Yellow。
• 分片是独立的，对