Elasticsearch 面试考点精选
本章定位：总结 Elasticsearch 面试中最高频的考点，从基础概念到架构设计，提供逐层递进的回答思路。
一、基础概念
Q1：Elasticsearch 是什么？它和 MySQL 的全文搜索有何本质区别？
| 维度 | MySQL LIKE | Elasticsearch |
|---|---|---|
| 索引结构 | B+Tree（适合精确查找） | 倒排索引（适合全文搜索） |
| 分词 | 不支持 | 内置 Analyzer，分词后建立倒排索引 |
| 相关度排序 | 无 | BM25 评分，按相关性排序 |
| 扩展性 | 单机为主（主从复制） | 天然分布式，水平扩展 |
| 搜索速度 | 大数据量极慢（全表扫描） | 毫秒级（倒排索引直接定位） |
Q2：倒排索引的原理？为什么比正排索引快？
倒排索引：词项（Term）→ 文档列表（Posting List）的映射。搜索"分布式搜索引擎"：分词后查倒排→取交集→直接命中，无需遍历所有文档。
Q3：ES 的写流程是怎样的？（从 API 到磁盘）
协调节点计算分片 → 写入内存 Buffer + Translog → 默认每 1s Refresh（Buffer→Lucene Segment）→ 默认每 30min 或 Translog 达 512MB Flush（fsync 到磁盘）→ 并行同步副本 → 返回客户端。
二、搜索与评分
Q4：match、match_phrase、term 的区别和使用场景？
| 查询类型 | 行为 | 场景 |
|---|---|---|
match | 分词后各词项 OR/AND 匹配 | 全文搜索（搜索框） |
match_phrase | 分词后要求词项顺序一致（可设 slop） | 精确短语搜索 |
term | 不分词，精确匹配倒排索引中的词项 | 查 ID、状态、标签（keyword 字段） |
Q5：BM25 评分的三个因子？如何调优？
① IDF（逆文档频率）：稀有词权重高；② TF 饱和（词频）：第 10 次重复几乎不加分；③ 字段长度归一化：短字段匹配更有价值。调优参数：k1（默认 1.2）和 b（默认 0.75）。
Q6：bool 查询中 must 和 filter 的区别？
| 维度 | must | filter |
|---|---|---|
| 评分 | 参与评分 | 不评分（score=0） |
| 缓存 | 不缓存 | 缓存（Filter Cache） |
| 性能 | 慢 | 快 |
| 用途 | 需要影响排序的条件 | 精确筛选条件 |
三、集群架构
Q7：主分片创建后为什么不能修改？
路由算法 hash(_routing) % num_primary_shards 使用取模运算。分片数改变后所有文档的路由结果都变化。变更唯一方式：Reindex。
Q8：脑裂的成因和预防？
成因：网络分区导致出现两个满足 quorum 的分区各自独立选出 Master。预防：Master-Eligible 节点奇数（3 或 5）、ES 7.x 自动计算 quorum、ES 8.x 使用 Raft 协议。
Q9：集群 Yellow 和 Red 状态分别意味着什么？
- Green：所有主分片和副本全部分配
- Yellow：所有主分片已分配，至少一个副本未分配（数据不丢失，失去冗余）
- Red：至少一个主分片未分配（部分数据不可用）
四、性能优化
Q10：ES 写入性能优化有哪些要点？
- 批量写入：Bulk 批次 5~15MB
- 关闭 Refresh：导入时
refresh_interval: -1，完成后恢复 - 异步 Translog：
durability: async，增大 sync_interval - 0 副本：导入时
number_of_replicas: 0，完成后追加 - 硬件：SSD 是刚需，多路径分散 I/O
Q11：搜索性能优化的关键点？
- 用 filter 替代 must：精确过滤条件放 filter，利用缓存
- 控制分页深度：search_after 代替 from+size
- 字段级优化：不评分字段设 norms: false，纯过滤字段设 index: false
- 减少返回字段：_source filtering
- Routing 优化：指定 routing 缩到单个分片
实战场景题
场景一：课程搜索引擎设计
Mapping：title 用 ik_max_word，category 用 keyword。排序：function_score 结合 enrollment_count + 原始 _score。聚合：terms 按 category 分组 + 嵌套 stats 统计价格。高可用：3 节点集群 + 1 副本 + 别名实现零停机切换。
场景二：日志分析系统设计
按天建索引：logs-2024-06-13，配合 Index Template 自动创建。ILM 策略：7 天后转 warm，30 天后删除。Mapping：dynamic: strict 控制字段数量。写入优化：refresh_interval: 30s，Bulk 5MB/批。
小结
Elasticsearch 面试核心分五个层级：基础概念（倒排索引/分词/写流程）→ 搜索查询（match/term/bool/BM25）→ 聚合分析（桶/指标/嵌套）→ 集群架构（分片/选举/脑裂）→ 性能优化（写入/搜索/硬件）。回答时遵循"定义→原理→示例→对比→陷阱"结构。