对面试官说精通elastic search之底层原理解读（面试可用）

一串文本，先经过分词 分成词项 被称为term。我们要搜索一个词项的时候，如果挨个遍历时间复杂度是0n 为了解决查询速度，可以将词项按从小到大排序，排序过后通过二分查找的方法，将时间复杂度优化为 ologn,这就组成了一个term dictionary,词项对应的doc id就叫posting list，这两个共同组成了倒排索引。由于term dictionary数据量很大，放在内存不现实，只能放在磁盘，这样的话查询速度很慢，为了解决这个问题，引入了term index。
term index主要是将词项和词项之间相同的前缀提取出来，构建成一个精简的目录树，存放词项在磁盘中的偏移量，也就是指向磁盘的位置，这个目录树放在内存中，用来加速搜索。我们查询某个词项的时候只需要搜索term index，就能找到词项在term dictionary中的大概位置，再跳转到term dictionary。前面的倒排索引搜索到的是doc id，为了找到文档内容本身，需要有一个地方存储完整的文档内容，就是stored fields 行式存储，这样我们就可以通过doc id找到完整的文档内容，但是用户经常要查询排序后的内容，可以从业务上先从stored搜索出来在进行排序，但也有更高效的做法。我们可以直接将某个字段集中存放。
这四个东西共同组成了一个符合文件 segment，具备完整搜索功能的最小单元。我们可以用多个文档生成一份segment，如果新增文档，就写一个新的segment，老segment只负责读，segment多了就并发的读多个。随着数据量增大，segment越来越多，文件句柄消耗的越来越多，不定期合并segement merging，这个就叫lucene 单机文本检索库。

es分为主节点，数据节点，协调节点
es的写入流程 写入请求先发到集群中的协调节点，协调节点根据hash路由判断该写入哪个数据节点中的分片，找到主分片写入，底层是lucene，所以最终是写到了segment内将数据固化为倒排索引 stored field doc values这些结构。
主分片写完后 将数据同步给副本分片，副本分片写入万抽，主分片会响应协调节点返回一个ack，最后协调节点相应客户端应用写入完成。

es搜索分为查询阶段和获取阶段

客户端发起搜索请求，请求会先发到集群的协调节点，协调节点根据index name了解被分成了几个分片，以及这些分片在哪数据节点上，将请求转发到分片上。请求到达分片后，分片底层lucene会并发的搜索segment，利用倒排索引找到文档id，结合doc values获得排序信息，并将结果聚合返回给协调节点，协调节点将多个分片中拿到的数据进行一次聚合，舍弃不需要的数据。

获取阶段 协调节点拿着文档id请求数据节点中的分片，lucene会从segment内的stored field读取到完整文档，返回给协调节点，最终将数据返回给客户端。

以上来源个人总结，转载请注明出处，一经发现将提起法律诉讼