ElasticSearch搜素引擎常见面试题

一、ElasticSearch基础：

1、什么是ElasticSearch:

	ElasticSearch是基于Lucene的Reatful的分布式实时全文搜素引擎，每个字段都被索引并可被搜索，可以快速存储、搜素、分析海量的数据。
全文检索是指对每一个词建立索引，指明该词在文章中出现的次数和位置。当查询时，根据事先建立的索引进行查找，并将查找的结构反馈给用户的检索方式。这个过程类似于通过字典中的检索字表查字的过程。

2、ElasticSearch的基本概念：

• index 索引：索引类似于mysql中的数据库，ElasticSearch中的索引树存储数据的地方，包含了一堆有相似结构的文档数据。

• type类型：类型是用来定义数据结构，可以认为是mysql中的一张表，type是index中的一个逻辑数据分类。

• document文档：类似于mysql中的一行，不同之处在于ES中的每个文档可以有不同的字段，但是对应通用字段应该具有相同的数据类型，文档是es中最小数据单元，可以认为一个文档就是一条记录。

• Field字段：Field是ElasticSearch的最小单元，一个document里面有多个field。

• shard分片：单台机器无法存储大量数据，es可以将一个索引中的数据切片分为多个shard，分布在多台服务器上存储。有了shard就可以横向扩展，存储更多数据。

• replica副本：任何服务器随时可能故障或宕机，此时shard可能会丢失，通过创建replica副本，可以在shard故障时提供备用服务，保证数据不丢失，另外replica还可以提升搜素操作的吞吐量。

  shard分片数量在建立索引时设置，设置后不能修改，默认5个；replica副本数量默认一个，可随时修改数量
  

3、什么是倒排索引：

	在搜素引擎中，每个文档都有对应的文档ID，文档内容可以表示为一系列关键词的集合，例如，某个文档经过分词，提取了20个关键词，而通过倒排索引，可以记录每个关键词在文档中出现的次数和出现位置。也就是说，倒排索引是 关键词到文档ID的映射，每个关键词都对应着一系列的文件，这些文件中都出现了该关键词。

倒排索引项主要包含如下信息：

• 文档ID，用于获取原始信息。
• 词条频率：记录该词条在文档中出现的次数，用于后续相关性算分。
• 位置（Position）：记录词条在文档中的分词位置（多个），用于做短语搜索。
• 偏移（offset）：记录词条在文档的开始和结束位置，用于做高亮显示。

4、doc_values 的作用：

	倒排索引虽然可以提高搜索性能，但也存在缺陷，比如我们需要对数据做排序或聚合等操作时，lucene会提取所有出现在文档集合的排序字段，然后构建一个排好虚的文档集合，而这个步骤是基于内存的，如果排序数量巨大的话，容易造成内存溢出和性能缓慢。
	doc\_values 就是 es 在构建倒排索引的同时，会对开启 doc\_values 的字段构建一个有序的“document文档 ==> field value”的列式存储映射，可以看作是以文档维度，实现了根据指定字段进行排序和聚合的功能，降低对内存的依赖。另外 doc\_values 保存在操作系统的磁盘中，当 doc\_values 大于结点的可用内存， ES 可以从操作系统也缓存中加载或弹出，从而避免发生内存溢出的异常，但如果 docValues 远小于结点的可用内存，操作系统就自然将所有的 doc\_values 存于内存中（堆外内存），有助于快速访问。

5、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，索引 keyword 类型的字段只能通过精确值搜索到