Elasticsearch面试题

1、elasticsearch 了解多少，说说你们公司 es 的集群架构，索引数据大小，分片有多少，以及一些调优手段 。

面试官：想了解应聘者之前公司接触的 ES 使用场景、规模，有没有做过比较大
规模的索引设计、规划、调优。
解答：
如实结合自己的实践场景回答即可。
比如：ES 集群架构 13 个节点，索引根据通道不同共 20+索引，根据日期，每日
递增 20+，索引：10 分片，每日递增 1 亿+数据，
每个通道每天索引大小控制：150GB 之内。

调优手段：

1.1 索引调优

• 根据业务量需求，采取基于日期的模板创建索引，通过roll over API滚动索引
• 使用别名进行索引管理
• 每天凌晨定时对索引做force_merge操作，以释放空间
• 采用冷热分离机制，热数据放到SSD中，冷数据定期进行shrink操作(其可以缩小主分片数量。但其并不对源索引直接进行缩小操作，而是使用与源索引相同的配置创建一个新索引，仅降低分片数)，缩减内存
• 采用curator（一个工具）进行索引的生命周期管理
• 对需要分词的字段，合理的设置分词器
• Mapping阶段充分结合各个字段的属性，是否需要检索等

1.2写入调优

• 写入前副本数量设置为0
• 写入前关闭 refresh_interval 设置为-1，禁用刷新机制；
• 写入过程中，采取批量bulk写入
• 写入后恢复副本数和刷新间隔
• 尽量使用自动生成的id

1.3查询调优

• 禁用wildcard
• 禁用批量terms
• 充分利用倒排索引机制，能用keyword类型就用keyword类型
• 数据量大的时候，可以基于时间敲定索引在检索。
• 设置合理的路由机制

2.elasticsearch的倒排索引是什么

传统的文章我们是通过文章逐个遍历找到对应关键词的地方，而倒排索引是通过分词策略，形成了词和文章的映射关系表，这种词典+映射表即为倒排索引，有了倒排索引，就能实现 o（1）时间复杂度的效率检索文章了，极大的提高了检索效率。

倒排索引是基于数据结构FST（Finite State Transducer）
优点

• 空间占用小，通过对词典中的前缀和后缀的充分的利用，缩小了空间
• 查询数据快，O(len(str))的查询时间复杂度。

3.elasticsearch 索引数据多了怎么办，如何调优，部署

3.1动态索引层面

基于模板+rollover api滚动的创建索引，举例：设计阶段定义：blog 索引的模板格式为：blog_index_时间戳的形式，每天递增数据

3.2存储方面

冷热数据分离存储，热数据（比如最近 3 天或者一周的数据），其余为冷数据。
对于冷数据不会再写入新数据，可以考虑定期 force_merge 加 shrink 压缩操作，
节省存储空间和检索效率

3.3部署层面

一旦之前没有规划，这里就属于应急策略。
结合 ES 自身的支持动态扩展的特点，动态新增机器的方式可以缓解集群压力，注意：如果之前主节点等规划合理，不需要重启集群也能完成动态新增的

4.elasticsearch 是如何实现 master 选举的

• 只有候选主节点才能称为主节点（master：true）
• 最小节点数的目的是为了防止脑裂（min_master_nodes）

第一步 确认候选主节点数达标，elasticsearch.yml 设置的值discovery.zen.minimum_master_nodes；
第二步：比较：先判定是否具备 master 资格，具备候选主节点资格的优先返回；若两节点都为候选主节点，则 id 小的值会主节点。注意这里的 id 为 string 类型。

5.详细描述一下 Elasticsearch 索引文档的过程

• 第一步;客户向集群某节点写入数据，发送请求。（如果没有指定路由/协调节点，请求的节点扮演路由节点的角色。）
• 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，请求就会被转移到另外的节点，假定节点3，因此分片0的主分片分配到节点3上。
• 第三步：节点3在主分片上执行写操作，如果成功，则将请求并行转发到节点1和节点2的副片上，等待结果返回，所有的副本分片都报告成功，节点3将向协调节点1报告，节点1向请求客户端写入成功。

文档获取分片的过程：借助路由算法获取，路由算法就是根据路由和文档 id 计算目标的分片 id 的过程。

6.详细描述一下 Elasticsearch 搜索的过程？

搜索拆解为“query then fetch” 两个阶段

6.1 query阶段，定位到位置，但是不取

步骤
1.假设一个索引数据有 5 主+1 副本 共 10 分片，一次请求会命中（主或者副本
分片中）的一个。
2.每个分片在本地进行查询，结果返回到本地有序的优先队列
3.查询节点的结果发送到协调节点，协调节点产生一个全局的排序列表。

6.2fetch 阶段的目的：取数据。

路由节点获取所有文档，返回给客户端。

7.Elasticsearch 在部署时，对 Linux 的设置有哪些优化方法

1、关闭缓存 swap;
2、堆内存设置为：Min（节点内存/2, 32GB）;
3、设置最大文件句柄数；
4、线程池+队列大小根据业务需要做调整；
5、磁盘存储 raid 方式——存储有条件使用 RAID10，增加单节点性能以及避免单
节点存储故障

8.Elasticsearch 是如何实现 Master 选举的？

1.Elasticsearch 的选主是 ZenDiscovery 模块负责的，主要包含 Ping（节点之
间通过这个 RPC 来发现彼此）和 Unicast（单播模块包含一个主机列表以控制哪
些节点需要 ping 通）这两部分；
2.对所有可以成为 master 的节点（node.master: true）根据 nodeId 字典排序，每次选举每个节点都把自己所知道节点排一次序，然后选出第一个（第 0 位）节点，暂且认为它是 master 节点
3.如果对某个节点的投票数达到一定的值（可以成为 master 节点数 n/2+1）并且该节点自己也选举自己，那这个节点就是 master。否则重新选举一直到满足上述条件。

4.补充：master 节点的职责主要包括集群、节点和索引的管理，不负责文档级
别的管理；data 节点可以关闭 http 功能。*

9.详细描述一下 Elasticsearch 索引文档的过程

协调节点默认使用文档ID参与计算，以便为路由提供合适的分片

1、当分片所在的节点接收到来自协调节点的请求后，会将请求写入到 Memory
Buffer，然后定时（默认是每隔 1 秒）写入到 Filesystem Cache，这个从 Momery
Buffer 到 Filesystem Cache 的过程就叫做 refresh；

2.当然在某些情况下，存在 Momery Buffer 和 Filesystem Cache 的数据可能会
丢失，ES 是通过 translog 的机制来保证数据的可靠性的。其实现机制是接收到请
求后，同时也会写入到 translog 中，当 Filesystem cache 中的数据写入到磁盘中
时，才会清除掉，这个过程叫做 flush；
3.在 flush 过程中，内存中的缓冲将被清除，内容被写入一个新段，段的 fsync
将创建一个新的提交点，并将内容刷新到磁盘，旧的 translog 将被删除并开始一
个新的 translog
4.flush 触发的时机是定时触发（默认 30 分钟）或者 translog 变得太大（默认
为 512M）时

关于 Lucene 的 Segement：
1、Lucene 索引是由多个段组成，段本身是一个功能齐全的倒排索引。
2、段是不可变的，允许 Lucene 将新的文档增量地添加到索引中，而不用从头重
建索引。
3、对于每一个搜索请求而言，索引中的所有段都会被搜索，并且每个段会消耗
CPU 的时钟周、文件句柄和内存。这意味着段的数量越多，搜索性能会越低。
4、为了解决这个问题，Elasticsearch 会合并小段到一个较大的段，提交新的合并
段到磁盘，并删除那些旧的小段。

10.详细描述一下 Elasticsearch 更新和删除文档的过程。

1、删除和更新也都是写操作，但是 Elasticsearch 中的文档是不可变的，因此不
能被删除或者改动以展示其变更；
2、磁盘上的每个段都有一个相应的.del 文件。当删除请求发送后，文档并没有真
的被删除，而是在.del 文件中被标记为删除。该文档依然能匹配查询，但是会在
结果中被过滤掉。当段合并时，在.del 文件中被标记为删除的文档将不会被写入
新段。
3、在新的文档被创建时，Elasticsearch 会为该文档指定一个版本号，当执行更新
时，旧版本的文档在.del 文件中被标记为删除，新版本的文档被索引到一个新段。
旧版本的文档依然能匹配查询，但是会在结果中被过滤掉。

11.Elasticsearch 在部署时，对 Linux 的设置有哪些优化方法

1、64 GB 内存的机器是非常理想的， 但是 32 GB 和 16 GB 机器也是很常见的。少于 8 GB 会适得其反。
2、如果你要在更快的 CPUs 和更多的核心之间选择，选择更多的核心更好。多个内核提供的额外并发远胜过稍微快一点点的时钟频率。
3、如果你负担得起 SSD，它将远远超出任何旋转介质。 基于 SSD 的节点，查询和索引性能都有提升。如果你负担得起，SSD 是一个好的选择。
4、即使数据中心们近在咫尺，也要避免集群跨越多个数据中心。绝对要避免集群跨越大的地理距离。
5、请确保运行你应用程序的 JVM 和服务器的 JVM 是完全一样的。 在Elasticsearch 的几个地方，使用 Java 的本地序列化。
6、通过设置 gateway.recover_after_nodes、gateway.expected_nodes、gateway.recover_after_time 可以在集群重启的时候避免过多的分片交换，这可能会让数据恢复从数个小时缩短为几秒钟。
7、Elasticsearch 默认被配置为使用单播发现，以防止节点无意中加入集群。只有在同一台机器上运行的节点才会自动组成集群。最好使用单播代替组播。
8、不要随意修改垃圾回收器（CMS）和各个线程池的大小。
9、把你的内存的（少于）一半给 Lucene（但不要超过 32 GB！），通过ES_HEAP_SIZE 环境变量设置。
10、内存交换到磁盘对服务器性能来说是致命的。如果内存交换到磁盘上，一个100 微秒的操作可能变成 10 毫秒。 再想想那么多 10 微秒的操作时延累加起来。 不难看出 swapping 对于性能是多么可怕。
11、Lucene 使用了大量 的文件。同时，Elasticsearch 在节点和 HTTP 客户端之间进行通信也使用了大量的套接字。 所有这一切都需要足够的文件描述符。你应该增加你的文件描述符，设置一个很大的值，如 64,000。

补充：索引阶段性能提升方法
1、使用批量请求并调整其大小：每次批量数据 5–15 MB 大是个不错的起始点。
2、存储：使用 SSD
3、段和合并：Elasticsearch 默认值是 20 MB/s，对机械磁盘应该是个不错的设
置。如果你用的是 SSD，可以考虑提高到 100–200 MB/s。如果你在做批量导入，
完全不在意搜索，你可以彻底关掉合并限流。另外还可以增加index.translog.flush_threshold_size 设置，从默认的 512 MB 到更大一些的值，比如 1 GB，这可以在一次清空触发的时候在事务日志里积累出更大的段。
4、如果你的搜索结果不需要近实时的准确度，考虑把每个索引的
index.refresh_interval 改到 30s。
5、如果你在做大批量导入，考虑通过设置 index.number_of_replicas: 0 关闭副
本。

12.对于 GC 方面，在使用 Elasticsearch 时要注意什么？

• 倒排词典的索引需要常驻内存，无法 GC，需要监控 data node 上 segmentmemory 增长趋势。
• 避免返回大量结果集的搜索与聚合。确实需要大量拉取数据的场景，可以采用scan & scroll api 来实现。
• cluster stats 驻留内存并无法水平扩展，超大规模集群可以考虑分拆成多个集群通过 tribe node 连接。

13.Elasticsearch 对于大数据量（上亿量级）的聚合如何实现？

Elasticsearch 提供的首个近似聚合是 cardinality 度量。它提供一个字段的基数，
即该字段的 distinct 或者 unique 值的数目。它是基于 HLL 算法的。HLL 会先对
我们的输入作哈希运算，然后根据哈希运算的结果中的 bits 做概率估算从而得到
基数。其特点是：可配置的精度，用来控制内存的使用（更精确 ＝ 更多内存）；
小的数据集精度是非常高的；我们可以通过配置参数，来设置去重需要的固定内
存使用量。无论数千还是数十亿的唯一值，内存使用量只与你配置的精确度相关。

14.在并发情况下，Elasticsearch 如果保证读写一致？

1. 可以通过版本号使用乐观并发控制，以确保新版本不会被旧版本覆盖
2. 另外对于写操作，一致性级别支持 quorum/one/all，默认为 quorum，即只有当大多数分片可用时才允许写操作。但即使大多数可用，也可能存在因为网络等原因导致写入副本失败，这样该副本被认为故障，分片将会在一个不同的节点上重建。
3. 对于读操作，可以设置 replication 为 sync(默认)，这使得操作在主分片和副
   本分片都完成后才会返回；如果设置 replication 为 async 时，也可以通过设置搜
   索请求参数_preference 为 primary 来查询主分片，确保文档是最新版本。