ElasticSearch常见经典面试题

1、什么是ES，为什么要用ES？

Elasticsearch是一个基于Lucene的搜索引擎。它提供了具有HTTP Web界面和无架构JSON文档的分布式，多租户能力的全文搜索引擎。Elasticsearch是用Java开发的，根据Apache许可条款作为开源发布。

用ES做一个全文索引

2、ElasticSearch中的分片是什么?

保障可靠性

3、Elasticsearch中的倒排索引是什么？ 这个问题很重要

倒排索引是搜索引擎的核心。

在Es中，一个分片是一个Lucene索引

Lucene的倒排索引由一个term词典表+倒排列表组成

term词典表：用来维护文档集合中出现过的所有单词的相关信息，同时用来记载某个单词对应的倒排列表在倒排文件中的位置信息。

倒排列表：用来记录有哪些文档包含了某个单词。一般在文档集合里会有很多文档包含某个单词，每个文档会记录文档编号（DocID）

其他问题见：https://www.jianshu.com/p/642d5115724f

4、ES  写流程的关键步骤

refresh:

引入此操作的目的：避免频繁的fsync刷盘操作

原理：

在ES中，当写入一个新文档时，首先被写入到内存缓存中，默认每1秒将in-memory index buffer中的文档生成一个新的段并清空原有in-memory index buffer，新写入的段变为可读状态，但是还没有被完全提交。该新的段首先被写入文件系统缓存，保证段文件可以正常被打开和读取，后续再进行刷盘操作。由此可以看到，ES并不是写入文档后马上就可以搜索到，而是一个近实时的搜索（默认1s后）。

注意：不完整提交（因为没有刷盘）

写translog:

目的：保障可靠性。异常情况恢复数据

translog就是ES的一个事务日志，当发生一个文档变更操作时，文档不仅会写入到内存缓存区也会同样记录到事务日志中，事务日志保证还没有被刷到磁盘的操作的进行持久化。translog持久化后保证即使意外断电或者ES程序重启，ES首先通过磁盘中最后一次提交点恢复已经落盘的段，然后将该提交点之后的变更操作通过translog进行重放，重构内存中的segment。

基本流程：

• 一个文档被索引之后，就会被添加到内存缓冲区，并且追加到了translog
• 默认每秒refresh一次，refresh会清空内存缓存，但是不会清空translog
• refresh操作不断发生，更多的文档被添加到内存缓冲区和追加到translog
• translog周期性通过fsync进行刷盘，默认5s，可通过参数index.translog.sync_interval(一般刷盘间隔为120s)、index.translog.durability（一般为async）控制，保证应用重启后先确认最后记录的commit point，commit point之后的变更操作通过落盘的translog进行重构恢复段
• 默认当translog太大（512MB）时，进行flush操作 

flush:

将translog中所有的段进行全量提交并对translog进行截断的操作叫做flush，flush操作期间会做的事项主要有：

• 强制refresh，将内存缓冲区所有文档写入一个新的段，写入到文件系统缓存并将旧的内存缓冲区被清空（refresh）
• 将最新的commit point写入磁盘
• 将文件系统缓存中的段通过fsync进行刷盘
• 删除老的translog，启动新translog