1.为什么要使用Elasticsearch?

  当我们在商城中使用搜索功能时，随着后期项目数据量的不断增大，如果我们继续使用以前数据库模糊查询的方式去查询数据，在百万数据量的情况下，效率非常低下；而Es是一种支持全文检索的框架，特点是可以实时存储和实时分析搜索引擎，并且当我们数据量很大的时候可以集群，所以我们使用搜索功能时，可以把商品常用的名称，价格，描述，id等信息存储到索引库中，查询的时候可以提高查询速度。

2.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

 es 生产集群我们部署了 2台机器，每台机器是 6 核 64G 的，集群总内存是 128G。

我们 es 集群的日增量数据大概是 1000 万条，每天日增量数据大概是 200MB，每月增量数据大概是 3 亿，8G。

目前线上有 5个索引，每个索引的数据量大概是 10G，所以这个数据量之内，我们每个索引使用的是默认的5个shard(分片)。

调优手段一般是从三个方面去考虑的：

1.在设计阶段的时候 使用别名进行索引管理，每天凌晨定时对索引进行force_merge操作，针对合理的字段设置分词器

2.在写入的前，副本数设置为0并且禁用刷新机制，写入过程中，采用bulk批量写入;写入后恢复副本数和刷新间隔。

3，在查询的时候利用倒排索引机制，尽量使用keyword类型。

3、elasticsearch 的倒排索引是什么

我们传统的检索方式是通过遍历整篇文章，逐个比对找到对应的关键词位置，而倒排索引是通过分词策略，形成词和文章的关系映射表，这种词典+映射表的方式就是倒排索引，有点类似于我们以前使用的新华字典。倒排索引可极大的提高查询效率。

4.elasticsearch 索引数据多了怎么办，如何调优，部署

1.在设计的时候可以基于模板+时间滚动方式创建索引，每天递增数据，避免单个索引很大的情况出现。

2.在存储的时候，冷热数据分开存储,比如最近3天的数据作为热数据，其他的作为冷数据，冷数据的话，由于不会再写入新数据了，可以考虑定期force_merge（强制合并）和shrink（压缩）的方式进行处理，节约空间和检索效率

3.由于es支持动态扩展，所有可以多加几台机器来缓解集群压力。

5.elasticsearch 是如何实现 master 选举的

前置条件：

（1）只有候选主节点（master：true）的节点才能成为主节点。

（2）最小主节点数（min_master_nodes）的目的是防止脑裂。

实现步骤

第一步：确认候选主节点数达标，就是我们在Es.yml 设置的值

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。

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。

6.详细描述一下 Elasticsearch 索引文档的过程

这里的索引文档应该理解为文档写入 ES，创建索引的过程

第一步：客户从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。而分片0属于节点3，请求会被转到节点 3。分片 0 的主分片也分配到节点 3 上；

第三步：节点 3 在主分片上执行写操作，成功后将请求并行转发到节点1和节点 2 的副本分片上。所有的副本分片都报告成功，节点3将向协调节点（节点 1）报告成功，节点 1 向请求客户端报告写入成功。

如果面试官再问：第二步中的文档获取分片的过程？

回答：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

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；

8、lucence 内部结构是什么（待补充）

lucence 的核心分为：索引创建，索引搜索；

9、Elasticsearch 中的节点（比如共 20 个），其中的 10 个选了一个 master，另外 10 个选了另一个 master，怎么办？

这个主要是会涉及到脑裂的问题。

1、当集群 master 候选数量大于等于 3 个时，可以通过设置最少投票通过数量

（discovery.zen.minimum_master_nodes）超过所有候选节点一半以上来解

决脑裂问题；

2、当候选数量为两个时，只能修改其中一个为master 候选，其他作为 data

节点，避免脑裂问题

10、客户端在和ES集群连接时，如何选择特定的节点执行请求的？

客户端是通过transport 模块远程连接一个 elasticsearch 集群。它并不加入到集群中，只是简单的获得一个或者多个初始化的 transport 地址，并以 轮询 的方式与这些地址进行通信。

11.详细描述一下 Elasticsearch 更新和删除文档的过程

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。我们在执行删除的时候，其实不是真正的删除了这个文档，因为磁盘上每一个段都有一个.del文件，删除的时候会把文档 在.del文件标记为已删除，但是在匹配查询的时候依旧能匹配到，只是会在结果中把它过滤掉。更新也是一样的，也会把旧的文档在.del文件中标记为已删除，但是查询结果中也是能查到，只是在结果中会把标记了已删除的文件过滤掉。

12.详细描述一下 Elasticsearch 搜索的过程

在搜索的时候，因为我们不知道对应的查询会在哪些文档里命中，所以我们查询索引中所有的分片。由于数据在每个分片中的排列并不等于在整个索引中的排列，因此有了如下两个阶段：查询阶段和取回阶段（query then fetch），客户端发送请求到某一个节点，这个节点会根据文档id去匹配所有相应的分片并给每一个分片发送请求，接着会进行取回操作，所有分片查询完后把结果返回到这个节点进行整理，最后返回给客户端查询结果。

参考文档：https://www.jianshu.com/p/7ce8891d6972

13.在 Elasticsearch 中，是怎么根据一个词找到对应的倒排索引的？

首先我们应该了解一下什么是倒排索引，倒排索引就是通过分词策略把分词和文章形成一个关系映射表，这种词典和映射表的方式就是我们的倒排索引，所以当我们去检索一个词语的时候，会根据文档id去整个索引库中去查询到匹配的索引，然后返回给客户端。

14、对于 GC 方面，在使用 Elasticsearch 时要注意什么？

了解了JVM后再来~

15.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。

16、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，由应用层来处理具体的冲突；

2、另外对于写操作，一致性级别 默认是只有当大多数分片可用时才允许写操作。如果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，可以通过设置 replication 保证操作在主分片和副本分片都完成后才会返回；也可以通过设置搜索请求参数来查询主分片，确保文档是最新版本。