每日Java面试场景题知识点之-Elasticsearch

场景描述

某电商平台的搜索系统在用户量激增后出现了严重的性能问题：搜索响应时间从平均200ms增加到3-5秒，服务器CPU使用率持续超过90%，用户投诉搜索体验差，甚至出现了服务不可用的情况。作为开发负责人，你如何解决这个问题？

问题分析

核心问题识别

响应时间过长：搜索API超时，用户体验极差
系统资源瓶颈：CPU、内存、IO都达到极限
搜索结果相关性差：用户很难找到想要的商品
数据一致性：商品更新后搜索结果延迟显示

技术栈分析

ES集群配置：单节点部署，数据量日益增大
索引设计：字段映射不合理，存在大量冗余字段
查询方式：使用全文搜索，没有优化的查询策略
缓存机制：缺乏有效的缓存层

解决方案

1. 集群架构优化

yaml 复制代码

# elasticsearch.yml配置
cluster.name: es-search-cluster
node.name: es-node-1
node.master: true
node.data: true
network.host: 0.0.0.0
discovery.seed_hosts: ["es-node-1", "es-node-2", "es-node-3"]
cluster.initial_master_nodes: ["es-node-1", "es-node-2", "es-node-3"]

架构升级策略：

从单节点升级到3节点集群
分离master节点和data节点
配置专用的协调节点处理查询请求

2. 索引优化设计

java 复制代码

// 优化后的索引映射
@Document(indexName = "products", createIndex = true)
public class Product {
    @Id
    private String id;
    
    @Field(type = FieldType.Text, analyzer = "ik_max_word", searchAnalyzer = "ik_smart")
    private String title;
    
    @Field(type = FieldType.Keyword)
    private String category;
    
    @Field(type = FieldType.Double)
    private Double price;
    
    @Field(type = FieldType.Keyword, index = false)
    private String description;
}

索引优化要点：

合理选择字段类型（Text vs Keyword）
配置合适的分词器（IK分词器）
禁用不需要搜索的字段索引
设置合理的分片数量（建议每个分片不超过50GB）

3. 查询性能优化

java 复制代码

@Service
public class SearchService {
    
    @Autowired
    private ElasticsearchTemplate restTemplate;
    
    public SearchResult searchProduct(SearchRequest request) {
        NativeSearchQuery searchQuery = NativeSearchQueryBuilder.builder()
            .withQuery(buildBoolQuery(request))
            .withPageable(PageRequest.of(request.getPage(), request.getSize()))
            .withHighlightFields(new HighlightBuilder.Field("title"))
            .build();
        
        return restTemplate.queryForPage(searchQuery, Product.class);
    }
    
    private BoolQueryBuilder buildBoolQuery(SearchRequest request) {
        return QueryBuilders.boolQuery()
            .must(QueryBuilders.matchQuery("title", request.getKeyword()))
            .filter(QueryBuilders.termQuery("category", request.getCategory()))
            .filter(QueryBuilders.rangeQuery("price").gte(request.getMinPrice()).lte(request.getMaxPrice()));
    }
}

查询优化策略：

使用bool查询组合多个条件
合理使用filter代替must提升性能
添加缓存机制（Redis缓存热点查询）
实现搜索结果分页和深度分页优化

4. 缓存架构设计

java 复制代码

@Component
public class SearchCache {
    
    @Autowired
    private RedisTemplate<String, Object> redisTemplate;
    
    private static final String SEARCH_CACHE_PREFIX = "search:";
    private static final long CACHE_EXPIRE_TIME = 300; // 5分钟
    
    public SearchResult searchWithCache(SearchRequest request) {
        String cacheKey = generateCacheKey(request);
        
        // 先查缓存
        SearchResult cachedResult = (SearchResult) redisTemplate.opsForValue().get(cacheKey);
        if (cachedResult != null) {
            return cachedResult;
        }
        
        // 缓存未命中，查询ES
        SearchResult result = searchFromES(request);
        
        // 存入缓存
        redisTemplate.opsForValue().set(cacheKey, result, CACHE_EXPIRE_TIME, TimeUnit.SECONDS);
        
        return result;
    }
}

5. 监控和运维优化

java 复制代码

@Component
public class EsHealthMonitor {
    
    @Scheduled(fixedRate = 30000) // 每30秒检查一次
    public void checkClusterHealth() {
        ClusterHealthRequest request = new ClusterHealthRequest();
        ClusterHealthResponse response = restHighLevelClient.cluster()
            .health(request, RequestOptions.DEFAULT);
        
        if (response.getStatus() == ClusterHealthStatus.RED) {
            // 发送告警
            alertService.sendAlert("ES集群状态异常！");
        }
    }
}

性能提升效果

通过上述优化措施，系统性能得到显著改善：

| 指标 | 优化前 | 优化后 | 提升幅度 | |------|--------|--------|----------| | 平均响应时间 | 3-5秒 | 200-300ms | 90%+ | | CPU使用率 | 90%+ | 30-40% | 60%+ | | 搜索准确性 | 75% | 92% | 17% | | 系统可用性 | 95% | 99.9% | 4.9% |

面试要点总结

架构设计能力：能否合理设计ES集群架构
索引优化经验：如何根据业务场景优化索引结构
查询调优技能：掌握各种查询方式和性能优化技巧
问题排查能力：快速定位和解决性能瓶颈
运维监控经验：建立健全的监控和告警机制