【AI加油站】AI面试专题二十：Elasticsearch的面试题资料（附PDF下载）

Elasticsearch面试题 的核心内容整理：

上篇：ES基础与实践

1. ES集群架构与调优

• 集群规模：13节点，20+索引，每日1亿+数据（150GB/通道），10分片。

• 调优手段：

• 设计阶段：按日期滚动索引（rollover API）、冷热分离（SSD+shrink）、生命周期管理（curator）、合理分词器与Mapping。

• 写入调优：副本数置0、禁用refresh、bulk批量写入、自动生成ID。

• 查询调优：禁用wildcard/terms、优先keyword类型、路由优化。

2. 倒排索引

• 原理：词到文档的映射表（词典+倒排表），基于FST数据结构（空间压缩+快速查询）。

3. 大数据量调优

• 动态索引：模板+时间滚动（避免单索引过大）。

• 存储：冷热分离，冷数据定期force_merge/shrink。

• 部署：动态扩容节点（需前期合理规划主节点）。

4-6. 核心机制

• Master选举：候选节点（master:true）通过节点ID排序，需满足min_master_nodes防脑裂。

• 文档写入：协调节点→路由分片（基于文档ID哈希）→主分片+副本分片并行写入。

• 搜索过程：Query阶段（分片本地查询→全局排序）+ Fetch阶段（取回文档）。

7. Linux优化

• 关闭swap、堆内存≤32GB、文件句柄数（64k）、RAID10存储。

8. Lucene结构

• 索引（分词→倒排表）与搜索（读取索引→打分）流程。

下篇：进阶与运维

1. 更新/删除文档

• 不可变性：标记.del文件，段合并时清理旧版本。

2. 搜索优化

• Query Then Fetch：分片本地查询→全局排序→取回文档。

• DFS模式：预查询Term频率提升评分准确性（牺牲性能）。

3. 倒排索引查询

• 通过Lucene索引文件（词典+倒排表）定位词对应的文档。

4. 部署优化补充

• 硬件：SSD优先、多核CPU、单数据中心部署。

• JVM：避免swap、合理分配heap（≤32GB）、单播发现（unicast）。

5. GC与内存

• 监控：segment内存、缓存（field/filter/bulk queue）、避免大结果集（scan&scroll）。

• circuit breaker：防止内存溢出。

6. 大数据聚合

• Cardinality度量：基于HLL算法近似去重，平衡精度与内存。

7. 并发一致性

• 写操作：版本号乐观锁、quorum一致性级别。

• 读操作：sync复制（默认）或指定主分片查询（_preference=primary）。

8. 监控工具

• Marvel+Kibana：实时监控集群健康与性能。

9-10. 电商搜索架构

• 技术栈：Elasticsearch+word2vec（个性化搜索/相似商品推荐）。

• 局限：word2vec仅处理时序数据，需结合用户偏好优化。

11-12. 高级功能

• 字典树（Trie）：空间换时间，前缀匹配优化（中文用哈希表存储子节点）。

• 拼写纠错：编辑距离+BK树（递归查找相似词）。

速记关键词

• 调优：冷热分离、滚动索引、bulk写入、force_merge。

• 选举：节点ID排序、min_master_nodes防脑裂。

• 搜索：Query+Fetch、DFS模式、倒排索引+FST。

• 运维：SSD、JVM堆≤32GB、监控Marvel、GC优化。