Java面试题2.0--elasticsearch

欢迎关注《Java面试题2.0》合集发布页，持续更新中！

 

 

 

Elasticsearch是什么？

 

Elasticsearch (ES)是一个基于Lucene构建的开源、分布式、RESTful 接口全文搜索引擎。Elasticsearch 还是一个分布式文档数据库，其中每个字段均是被索引的数据且可被搜索，它能够扩展至数以百计的服务器存储以及处理PB级的数据。它可以在很短的时间内在储、搜索和分析大量的数据。它通常作为具有复杂搜索场景情况下的核心发动机。

 

Elasticsearch就是为高可用和可扩展而生的。可以通过购置性能更强的服务器来完成。

 

Elasticsearch的优缺点：

优点：

 横向可扩展性:只需要增加台服务器，做一点儿配置，启动一下Elasticsearch就可以并入集群。

 

分片机制提供更好的分布性:同一个索引分成多个分片(sharding), 这点类似于HDFS的块机制;分而治之的方式可提升处理效率。

 

高可用:提供复制( replica) 机制，一个分片可以设置多个复制，使得某台服务器在宕机的情况下，集群仍旧可以照常运行，并会把服务器宕机丢失的数据信息复制恢复到其他可用节点上。

 

Elasticsearch应用场景

 

大型分布式日志分析系统ELK  elasticsearch（存储日志）+logstash(收集日志)+kibana(展示数据)

大型电商商品搜索系统、网站站内搜索、网盘搜索引擎等。

 

Elasticsearch版本控制是什么？为什么要进行版本控制？

 

1.为什么要进行版本控制CAS无锁

为了保证数据在多线程操作下的准确性

 

2.悲观锁和乐观锁

悲观锁：假设会发生并发冲突，屏蔽一切可能违反数据准确性的操作

乐观锁：假设不会发生并发冲突，只在提交操作是检查是否违反数据完整性。

 

3.内部版本控制和外部版本控制

内部版本控制：_version自增长，修改数据后，_version会自动的加1

 

外部版本控制：为了保持_version与外部版本控制的数值一致

使用version_type=external检查数据当前的version值是否小于请求中的version值

 

es采用的是乐观锁，在提交的时候，利用外部版本控制来保证多线程环境下的数据一致性

 

中文分词器

 

因为Elasticsearch中默认的标准分词器分词器对中文分词不是很友好，会将中文词语拆分成一个一个中文的汉子。因此引入中文分词器-es-ik插件

 

默认的标准分词器会将汉字的每个字都拆成单独的词。

中文分词器的词库也是有限的，是写在配置文件里的，我们可以自定义扩展词库，写在配置文件里即可

 

ES支持哪些类型？

 

基本类型

符串：string，string类型包含 text 和 keyword。

 

text：该类型被用来索引长文本，在创建索引前会将这些文本进行分词，转化为词的组合，建立索引；允许es来检索这些词，text类型不能用来排序和聚合。

 

keyword：该类型不需要进行分词，可以被用来检索过滤、排序和聚合，keyword类型自读那只能用本身来进行检索（不可用text分词后的模糊检索）。

keyword 不会进行分词查询，不管是match还是term查询，都不会进行分词以及模糊查询

 

9300与9200区别是什么？

 

9300与9200区别

9300端口： ES节点之间通讯使用

9200端口： ES节点 和 外部 通讯使用

 

9300是TCP协议端口号，ES集群之间通讯端口号

9200端口号，暴露ES RESTful接口端口号

 

什么是DSL语言

 

es中的查询请求有两种方式，一种是简易版的查询，另外一种是使用JSON完整的请求体，叫做结构化查询（DSL）。

由于DSL查询更为直观也更为简易，所以大都使用这种方式。

 

DSL查询是POST过去一个json，由于post的请求是json格式的，所以存在很多灵活性，也有很多形式。

 

Term与Match区别是什么？

 

Term查询不会对字段进行分词查询，会采用精确匹配。

Match会根据该字段的分词器，进行分词查询。

 

倒排索引是什么？

 

倒排表以字或词为关键字进行索引，表中关键字所对应的记录表项记录了出现这个字或词的所有文档，一个表项就是一个字表段，它记录该文档的 ID和字符在该文档中出现的位置情况。

 

由于每个字或词对应的文档数量在动态变化，所以倒排表的建立和维护都较为复杂，但是在查询的时候由于可以一次得到查询关键字所对应的所有文档，所以效率高于正排表。在全文检索中，检索的快速响应是一个最为关键的性能，而索引建立由于在后台进行，尽管效率相对低一些，但不会影响整个搜索引擎的效率。

 

ES为什么要实现集群

 

在单台ES服务器节点上，随着业务量的发展索引文件慢慢增多，会影响到效率和内存存储问题等。

 

我们可以采用ES集群，将单个索引的分片到多个不同分布式物理机器上存储，从而可以实现高可用、容错性等。

 

搭建软件集群的核心思想：

 

配置不同的节点id

配置相同的节点名称

3台服务器实现集群的话，会配置三个不同的elasticsearch.yml

 

ES是如何解决高并发

 

ES是一个分布式全文检索框架，隐藏了复杂的处理机制，内部使用 分片机制、集群发现、分片负载均衡请求路由。

 

Shards 分片: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。

 

Replicas分片:代表索引副本，es可以设置多个索引的副本，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。 当增加或修改数据的时候，只会操作主分片，然后由主分片实时同步刷新数据给副分片；当查询的时候，会在主分片和副分片上进行负载均衡。

 

当通过增加服务器来进行扩容的时候，只需要修改Replicas的值就可以了，通过修改副分片的倍数，来实现所有服务器均摊所有数据的效果，所有的主分片和副分片加在一起的数量，应该是服务器数量的平方。因为主分片的数量在创建之后就不能修改了，所以只能通过操纵副分片的数量来进行修改。

 

单台ES服务器中是没有备用分片的

 

ES集群核心原理分析

 

1、每个索引会被分成多个分片shards进行存储，默认创建索引是分配5个分片进行存储,每个分片都会分布式部署在多个不同的节点上进行部署，该分片成为primary shards 主分片。

   

2、每一个主分片为了实现高可用，都会有自己对应的备分分片， 主分片对应的备分片不能存放同一台服务器上，主分片可以和其他备分片存放在同一个node节点上。

 

3、查询数据的时候，主分片和副分片都可以进行查询， 可以在所有主副分片上进行查询操作，但做添加或修改时，只对主分片进行修改，然后由主分片实时刷新同步给副分片。

 

4、 当加机器水平扩展的时候，要保证所有服务器均摊分片数量，但主分片数量又不能更改，就只能通过修改副分片的倍数来控制。保证所有的主副分片的数量之和是节点数的平方即可。

 

为什么主分片在创建后就不能修改？

 

documnet routing（数据路由）

 

当客户端发起创建document的时候，es需要确定这个document放在该index哪个shard上。这个过程就是数据路由。

路由算法：shard = hash(routing) % number_of_primary_shards

如果number_of_primary_shards在查询的时候取余发生的变化，无法获取到该数据

 

ES集群相关名词

 

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。

 

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。

 

replicas:代表索引副本，es可以设置多个索引的副本，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。

 

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。