[面试]ES、CH

一、基本概念

1.1 什么是Elasticsearch

非关系型数据库，ES是基于Restful的分布式实时全文搜索引擎，可以快速存储、查询、分析海量的数据。

1.2 ES的好处

1.传统数据库模糊查询不走索引，当数据量很大时，查询效率非常低下
2.ES搜索可以对搜索词进行自动分词等处理，更容易查询到相关内容
3.使用的倒排索引，实现了比关系型数据库更快的查询效率

二、底层算法

2.1 倒排索引

倒排索引是一种数据结构
ES是通过Lucene的倒排索引技术实现比关系型数据库更快的过滤。

• 创建索引

（1）把每个文档拆分为独立的词
（2）创建一个包含所有且不重复的词条列表
（3）记录每个词条出现在那些文档中

• 搜索时

（1）搜索时，直接根据词，返回对应的文章ID

2.2 正排索引

2.2.1 为什么要用正排索引？

正排索引主要用于实现 根据指定字段进行排序和聚合的功能。
假如我们需要对数据做一些聚合操作，比如排序时，lucene会将所有匹配到的文档读入到内存，再进行排序，如果排序数据量巨大的话，非常容易造成内存溢出。
而正排索引类似于数据库key-value-value，可以只读取id和排序字段到内存进行排序。

2.2.2 ES中正排索引由哪几种？如何自定义排序？关闭正排索引？

ES 中的正排索引有两种：FieldData和DocValues
FieldData是存在内存的，DocValues存在磁盘中，后者不支持text类型字段的排序

自定义排序需要用到正排索引，DocValues是默认开启的，可以直接用，但不支持对text类型字段的排序。FieldData是默认关闭的，需要设置mapping开启

DocValues是存在磁盘的，会占用很多磁盘空间，也会影响搜索速度，如果不需要该字段聚合、排序、聚合的话，可以通过设置mapping给关闭掉

2.2.3 ES是如何利用正排和倒排索引的？

【生成文档】
ES在生成文档时，会分别生成倒排索引和正排索引
【搜索】
ES会先用倒排索引找到文档，然后用正排索引聚合排序等操作