BAT 等一线大厂 Elasticsearch 面试题解读

题记

git上发现了网友总结的Elasticsearch BAT大厂面试题。只有题目，部分有答案，但不全。 正好抽出一些时间一起梳理一下。

既然是面试题，每个人都会有自己的结合业务场景的答案，没有非常标准的答案。
欢迎大家留言拍砖指正。

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 。

仅索引层面调优手段：

1.1、设计阶段调优

• 1）根据业务增量需求，采取基于日期模板创建索引，通过roll over API滚动索引；

• 2）使用别名进行索引管理；

• 3）每天凌晨定时对索引做force_merge操作，以释放空间；

• 4）采取冷热分离机制，热数据存储到SSD，提高检索效率；冷数据定期进行shrink操作，以缩减存储；

• 5）采取curator进行索引的生命周期管理；

• 6）仅针对需要分词的字段，合理的设置分词器；

• 7）Mapping阶段充分结合各个字段的属性，是否需要检索、是否需要存储等。 ……..

1.2、写入调优

• 1）写入前副本数设置为0；

• 2）写入前关闭refresh_interval设置为-1，禁用刷新机制；

• 3）写入过程中：采取bulk批量写入；

• 4）写入后恢复副本数和刷新间隔；

• 5）尽量使用自动生成的id。

1.3、查询调优

• 1）禁用wildcard；

• 2）禁用批量terms（成百上千的场景）；

• 3）充分利用倒排索引机制，能keyword类型尽量keyword；

• 4）数据量大时候，可以先基于时间敲定索引再检索；

• 5）设置合理的路由机制。

1.4、其他调优

部署调优，业务调优等。

上面的提及一部分，面试者就基本对你之前的实践或者运维经验有所评估了。

2、elasticsearch的倒排索引是什么

学术的解答方式：

倒排索引，相反于一篇文章包含了哪些词，它从词出发，记载了这个词在哪些文档中出现过，由两部分组成——词典和倒排表。

• 1）空间占用小。通过对词典中单词前缀和后缀的重复利用，压缩了存储空间；

• 2）查询速度快。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+时间+rollover api滚动 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。

这样做的好处：不至于数据量激增导致单个索引数据量非常大，接近于上线2的32次幂-1，索引存储达到了TB+甚至更大。

一旦单个索引很大，存储等各种风险也随之而来，所以要提前考虑+及早避免。

3.2 存储层面

3.3 部署层面

4、elasticsearch是如何实现master选举的

• 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。

这个我看了各种网上分析的版本和源码分析的书籍，云里雾里。
核对了一下代码，核心入口为findMaster，选择主节点成功返回对应Master，否则返回null。选举流程大致描述如下：

• 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。

题外话：获取节点id的方法。

1GET /_cat/nodes?v&h=ip,port,heapPercent,heapMax,id,name 2ip        port heapPercent heapMax id   name 3127.0.0.1 9300          39   1.9gb Hk9w Hk9wFwU 

5、详细描述一下Elasticsearch索引文档的过程

记住官方文档中的这个图。

第一步：客户写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。请求会被转到另外的节点，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的副本分片上，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（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的过程。

1shard = hash(_routing) % (num_of_primary_shards) 

6、详细描述一下Elasticsearch搜索的过程？

• 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中。

• 3）第2）步骤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。

fetch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、lucence内部结构是什么？

Lucene是有索引和搜索的两个过程，包含索引创建，索引，搜索三个要点。可以基于这个脉络展开一些。

小结

参考： 请阅读原文查看。