Elasticsearch面试题

1. Elasticsearch的数据类型及检索方式

字符串类型：

• text：用于全文搜索，支持分词和分析。检索方式通常使用 match 等查询。
• keyword：用于精确匹配，不分词。常使用 term 进行精确检索。

数值类型：

• long：长整型。
• integer：整型。
• short：短整型。
• byte：字节型。
• double：双精度浮点数。
• float：单精度浮点数。

检索方式可以使用范围查询（如 gt 大于、 lt 小于等）或精确匹配查询（如 term ）。

布尔类型：boolean ，值为 true 或 false 。可以使用 term 进行精确匹配查询。

日期类型：date ，支持多种日期格式。可以使用范围查询来查找特定日期范围内的文档。

对象类型：object ，用于表示嵌套的文档结构。可以通过点号来访问嵌套字段进行查询。

数组类型：可以包含相同数据类型的多个值。检索方式与对应的数据类型的检索方式相同。

2. Elasticsearch的node类型

ES集群是由多个ES实例组成的，一个Elasticsearch实例就是一个node。

节点类型	配置参数	默认值or设置方法
候选主节点	node.master	TRUE
数据节点	node.data	TRUE
摄取节点	node.ingest	TRUE
客户端节点	无	将前三个参数全部设置为false
部落节点	tribe:*:
协调节点	无	将前三个参数全部设置为false
机器学习节点（machine learning）	node.ml	true(需要enable x-pack) （除了OSS发布版）

主节点（Master Node）：

• 作用：负责集群层面的管理工作，比如创建或删除索引、跟踪哪些节点是集群的一部分、决定将分片分配到哪些节点等。主节点不处理数据的索引和搜索操作，主要是维护集群的状态信息。
• 特点：对内存、CPU 等资源的要求相对较低，但对稳定性和可用性要求较高。

数据节点（Data Node）：

• 作用：存储数据，并负责数据的索引和检索操作。数据节点需要有足够的磁盘空间来存储数据，以及较好的 I/O 性能来处理数据的读写。
• 特点：对磁盘和 I/O 性能要求较高。

协调节点（Coordinate Node）：

• 作用：接收客户端的请求，并将请求路由到合适的数据节点进行处理，然后汇总各个数据节点返回的结果返回给客户端。协调节点本身不存储数据，主要负责协调和分发请求。
• 特点：对 CPU 和内存有一定要求，以处理请求的分发和结果的汇总。

Ingest 节点：

• 作用：在数据被索引之前对数据进行预处理，例如转换、过滤、丰富数据等。
• 特点：需要一定的计算资源来执行预处理操作。

在实际的部署中，可以根据集群的规模和工作负载，灵活配置不同类型的节点，以达到最佳的性能和资源利用。

3. Elasticsearch的写底层原理以及删除更新的原理

ES的索引是不能改的，删除和更新都不是直接在原索引中执行

• 删除文档：每一个segment都会维护一个del文件，用来记录删除的文档。用户发出删除请求后，文档并没有真正被删除，而是del文件中记录被删除的文档，但该文档依然能被检索到，只是在最后过滤掉，当segment合并时，才会真正地删除del标志的文档。
• 更新文档：首先获取原文档的版本号，然后将修改后的文档和版本号一起写进，这过程和新增相同，同时旧文档也被标志成删除文档，同样能被检索到，只不过最终被过滤掉而已

4. text 和 keyword类型的区别

​ 两个类型的区别主要是分词：keyword 类型是不会分词的，直接根据字符串内容建立倒排索引，所以keyword类型的字段只能通过精确值搜索到；Text 类型在存入 Elasticsearch 的时候，会先分词，然后根据分词后的内容建立倒排索引

5. query 和 filter 的区别

（1）query：查询操作不仅仅会进行查询，还会计算分值，用于确定相关度；

（2）filter：查询操作仅判断是否满足查询条件，不会计算任何分值，也不会关心返回的排序问题，同时，filter 查询的结果可以被缓存，提高性能。

6. match和term的区别

在 Elasticsearch 中，match 和 term 是两种常见的查询类型，它们有以下区别：

match 查询：

• 作用：会对输入的文本进行分析和分词处理，然后在倒排索引中查找匹配的文档。
• 特点：
  • 适用于全文搜索，能够处理自然语言的模糊匹配。
  • 会对输入的文本进行词干提取、大小写转换等预处理操作，以提高搜索的灵活性。
• 示例：假设一个字段包含文本 “I love Elasticsearch” ，使用 match 进行查询 “love elasticsearch” 也能匹配到该文档。

term 查询：

• 作用：直接查找在倒排索引中精确匹配的词条。
• 特点：
  • 用于精确匹配，不会对输入的值进行任何分析或预处理。
  • 通常用于匹配数值、布尔值、日期等精确值，或者不会被分析的字符串字段。
• 示例：如果一个字段的值是 “Elasticsearch” ，只有使用 term 查询 “Elasticsearch” 才能匹配到，查询 “elasticsearch” 则不会匹配。

例如，假设有一个索引包含用户信息，其中有一个 city 字段被定义为不会被分析的字符串类型。如果要精确查找居住在 “New York” 的用户，应该使用 term 查询。但如果要查找包含 “New” 这个词的城市的用户，就应该使用 match 查询。

7. 分词与倒排索引的原理

分词：分词用于检索，英文的分词是按单词之间空格区分，中文要考虑效率和准确分词率，防止出现歧义。

倒排：根据文档内容找文档，从关键字去找文档。

倒排索引是搜索引擎的核心。搜索引擎的主要目标是在查找发生搜索条件的文档时提供快速搜索。区别于传统的正向索引，倒排索引会再存储数据时将关键词和数据进行关联，保存到倒排表中，然后查询时，将查询内容进行分词后在倒排表中进行查询，最后匹配数
据即可。Elasticsearch 使用一种称为倒排索引的结构，ES中的倒排索引其实就是 lucene 的倒排索引，它适用于快速的全文搜索。正向索引（forward index），就是搜索引擎会将待搜索的文件都对应一个文件 ID，搜索时将这个ID 和搜索关键字进行对应，形成 K-V 对，然后对关键字进行统计计数。但是互联网上收录在搜索引擎中的文档的数目是个天文数字，这样的索引结构根本无法满足实时返回排名结果的要求。所以，搜索引擎会将正向索引重新构建为反向索引（inverted index，倒排索引），即把文件ID对应到关键词的映射，转换为关键词到文件ID的映射，每个关键词都对应着一系列的文件，并保存到倒排表中，查询时会将内容进行分词后在倒排表中进行查询，最后匹配数据即可。这些文件中都出现这个关键词。