1. Elasticsearch 是什么？有哪些应用场景？ Elasticsearch 整体原理流程？
Elasticsearch 是一个为海量数据提供近实时搜索和分析能力的分布式搜索引擎，广泛应用于全文检索、日志分析和大数据处理场景中。
Elasticsearch 整体原理流程：
1.建索引（Index）与定义 Mapping：建索引,相当于创建一个逻辑的数据容器，用于存放文档。Mapping，定义索引中字段的数据类型、分词器、是否索引等属性，类似数据库的 schema。通过 mapping，ES 知道如何解析和存储每个字段的数据，如何分词建立倒排索引。
-
插入文档（Document）：用户提交 JSON 格式的文档，写入到指定的索引中。ES 根据 mapping 解析字段，对需要分词的字段进行分词处理（Tokenizer + Token Filters），生成词项（tokens）。对每个词项建立倒排索引，记录词项在哪些文档中出现，以及出现频率、位置等信息。文档数据会被存储在主分片（Primary Shard）及其副本分片（Replica Shard）中，保证数据高可用。写操作异步刷新到磁盘，提高写入性能。
-
查询流程：查询请求发到集群的某个节点（协调节点）。协调节点根据索引的分片信息，将查询请求广播到所有相关的主分片和副本分片。对查询语句进行解析，针对查询字段使用对应的分词器分词（如 match 查询）。在倒排索引中查找词项，快速定位匹配文档 ID。计算文档相关度得分（基于 TF-IDF 或 BM25 算法等），排序。各分片返回结果给协调节点。协调节点合并各分片结果，进行排序分页，返回最终结果给客户端。
2. 倒排索引是什么？为什么适合全文检索？
在理解倒排索引之前，先看一下正排索引。正排索引是从"文档到词"的映射，也就是说：每个文档记录了它包含的所有词。而倒排索引则是相反的：它是从"词到文档"的映射，即：每个词会记录它出现在哪些文档中。
当我们搜索一个词时，只需通过倒排索引快速定位所有包含该词的文档，而不需要对所有文档内容进行全文扫描，大大提升了搜索性能。此外，倒排索引还可以记录每个词在各个文档中出现的频率、位置等信息，用于相关性打分（如 BM25 算法），从而实现搜索结果的排序和精准匹配。因此，倒排索引非常适合实现高性能的全文搜索，是搜索引擎（如 Elasticsearch）核心的数据结构之一。
3. ES 中的文档（Document）、索引（Index）、类型（Type）是什么？
在 Elasticsearch 中，最基本的数据单位是 Document（文档），它就像数据库中的一行数据，JSON 格式存储。
文档是存在哪个 Index（索引） 里的，索引可以类比为数据库或表，是文档的逻辑集合。
早期 ES 中还支持 Type（类型），一个 Index 下可以有多个 Type，相当于一个数据库里有多个表。但因为底层结构冲突，从 6.x 开始被逐步废弃，7.x 开始每个索引只能有一个 Type，8.x 完全移除。
所以现在实际开发中，一个索引通常只存一种类型的文档，不再使用 Type。
比如我们项目中有商品搜索功能，就会创建一个 product_index，每条商品数据就是一个文档，包含商品名、描述、价格等字段，然后通过这个索引来实现搜索和过滤。
4. 什么是 Mapping？和数据库中的 schema 有什么区别？
在 Elasticsearch 中，索引（Index）通过 Mapping 来定义文档结构，包括字段名、字段类型、是否索引、是否分词等规则，相当于定义表的结构。
PUT /products
{
"mappings": {
"properties": {
"name": { "type": "text", "analyzer": "standard" },
"price": { "type": "float" },
"in_stock": { "type": "boolean" },
"created_at": { "type": "date" }
}
}
}文档（Document）是索引中的一条具体数据记录，以 JSON 格式存储，结构要符合 Mapping 的定义。
POST /products/_doc/1
{
"name": "Apple iPhone 14",
"price": 799.99,
"in_stock": true,
"created_at": "2024-06-01T10:00:00Z"
}所以可以理解为：Mapping 决定了索引中能存什么样的数据结构，文档就是实际存进去的数据。
在 Elasticsearch 中，Mapping 类似于数据库中的 Schema，它定义了每个文档字段的数据类型、是否分词、是否索引、分词器、是否支持聚合等规则。
不同于数据库，ES 的 Mapping 更加灵活，比如可以支持嵌套结构、数组、动态字段，还能定义全文检索相关的分词方式，是搜索性能调优的重要部分。
5. ES 中 match 和 term 查询的区别？
在 Elasticsearch 中，match 查询是 全文检索 类型的查询，它会对查询条件先进行分词，然后再去倒排索引中查找对应的文档，常用于搜索 text 类型字段，比如商品描述、文章内容等。
term 查询则是 精确匹配 查询，它不会进行分词，直接使用给定的值去匹配字段，常用于 keyword、数值、布尔值等字段的过滤或精确判断。
所以两者的核心区别就是：match 会分词，适合模糊查询；term 不分词，适合精确查询。
6. ES 是怎么进行分词的？常用的分词器有哪些？
Elasticsearch 使用 分词器（Analyzer） 来对文本字段进行处理，分词器会将一段文本拆分为一个个词项（term）并进行标准化，例如大小写转换、去除符号、删除停用词等。
分词器一般包含三个组件：
1.字符过滤器（Char Filters）：预处理文本，如去除 HTML 标签。
2.分词器（Tokenizer）：将文本切分成词（最核心部分）。
3.词项过滤器（Token Filters）：对分词结果进行加工，比如大小写统一、去除停用词、同义词处理等。
常用分词器：
1.standard:默认分词器，按空格、标点分词，同时做大小写标准化
输入： I'm learning Elasticsearch.
输出：i, m, learning, elasticsearch
2.simple:以非字母字符为分隔符，只保留小写英文
输入： Hello, World!
输出： hello, world
3.whitespace:仅以空格分词，不做其他处理
输入： Hello, World!
输出： hello, world
4.keyword:不分词，把整个输入当成一个词项
输入： 中华人民共和国
输出： 中华人民共和国
5.ik_max_word:中文分词器，细粒度，尽可能多的切词
输入： 中国互联网公司
输出： 中国, 互联网, 公司, 中国互联网, 互联网公司
6.ik_smart:中文分词器，粗粒度，分得较少但准确
输入： 中国互联网公司
输出： 中国互联网, 公司
7. 什么是主分片（Primary Shard）和副本分片（Replica Shard）？
在 Elasticsearch 中，索引的数据是通过主分片和副本分片进行分布式存储的。
主分片（Primary Shard）负责实际写入和保存原始数据；副本分片（Replica Shard）是主分片的冗余副本，用于容灾备份和查询负载均衡。
通常每个主分片至少配置一个副本，从而保证当某个节点宕机时数据不会丢失，并且查询时可以由多个分片并行处理提升性能。
主分片负责写入，副本分片负责高可用和查询负载分担；主分片挂了，副本可以自动转为主分片，保障数据可靠性。
8. ES 是如何保证高可用的？节点挂掉会怎样？
Elasticsearch 通过主/副分片机制、Master 选举机制以及自动分片迁移能力实现高可用。
当某个节点宕机时，集群会自动将其主分片由副本接管，并在其他节点上重新构建副本，从而实现无缝切换，保证查询和写入的连续性。同时，Master 节点也有选举机制，避免单点故障，整个集群能自动感知变化并自我修复。
节点挂掉会发生什么？
Elasticsearch 会立刻识别失联节点（默认 30 秒内）。
该节点上的主分片如果有副本，副本会自动被提升为主分片。
副本不足的部分，会被自动重新分配到其他节点上重建副本。
查询和写入请求会自动路由到新的主分片或其副本，不会影响业务使用。
如果主节点宕机，会触发主节点重新选举机制，集群会暂时处于 yellow 状态，自动恢复后变回 green。
9. 怎么保证 ES 和数据库之间的数据一致性？
保证 ES 和数据库之间数据一致，关键在于解决异步同步导致的最终一致性问题：
- 幂等写入
ES 写入接口要设计幂等，避免重复写入产生脏数据。
常用 document id 由业务唯一主键生成。
- 异步消息可靠传递
使用消息队列保障消息不丢失（持久化、确认机制）。
设计消息重试机制，处理写 ES 失败。
- 事务保证与补偿机制
有条件的场景使用分布式事务（如基于消息中间件的事务模式）。
定时全量校验比对，发现不一致后自动修复。
- 顺序消费
保证消息顺序消费，避免旧数据覆盖新数据。
- 监控和告警
监控同步延迟和失败率，及时人工干预。
10. 实际项目中一般数据是怎么同步到 ES 的？
- 应用程序主动写入（同步写入）
在业务系统（如数据库）写操作后，直接调用 Elasticsearch API 进行索引写入。
- 异步同步（消息队列/日志异步消费）
业务系统将数据变更事件发送到消息队列（Kafka、RabbitMQ 等）。专门的同步服务监听消息队列，异步写入 Elasticsearch。
- 定时全量同步 + 增量同步
定时全量同步是指周期性（比如每天凌晨）将数据库中的所有数据一次性批量导入 Elasticsearch。目的是初始化数据或修复数据不一致问题。
增量同步是指只同步自上次同步后数据库中新增加或变更的数据。可以通过基于业务表的时间戳字段（如 update_time）进行差量查询；使用数据库变更日志（binlog）捕获变更事件；监听消息队列中实时数据变更事件来实现增量同步。