Elasticsearch (ES) 面试题清单（不定时更新）

可以点击下面链接看之前写的es的学习：

es

---

1. 什么是倒排索引？

💡 知识点解析：

• 正排索引 (Forward Index)： 就像书的"目录"。通过"章节名"找"页码"（通过 ID 找内容）。数据库的 ID 主键索引就是正排。

• 倒排索引 (Inverted Index)： 就像书的"索引页/关键词表"。通过"关键词"找"页码"（通过内容找 ID）。

• 结构： 它是 ES 核心。它把文档拆分成一个一个的 Term（词条），然后记录每个词条出现在哪些文档里（Posting List）。

  • Term: "苹果" -> Doc1, Doc3

  • Term: "手机" -> Doc1, Doc2

🗣️ 面试参考回答：

"倒排索引是 Elasticsearch 的核心数据结构，它的设计是为了快速进行全文检索。

它的原理和书本末尾的'索引页'非常像：

1. 分词： ES 会先把文档内容进行分词 ，拆解成一个个独立的词条（Term）。

2. 映射： 然后建立一个'词条 '到'文档 ID 列表'的映射关系。

当我们搜索'苹果'时，ES 不需要遍历所有文档，而是直接去倒排索引中查找'苹果'这个词，立刻就能拿到包含该词的所有文档 ID，所以速度非常快。"

---

2. ES 中的文档、字段、索引分别是什么？

💡 知识点解析：

拿 MySQL 做类比最容易理解（虽然不完全准确，但面试够用）：

• Index (索引) ≈ MySQL 的 Table (表)（在旧版本类似 Database，但现在通常对标 Table）。

• Document (文档) ≈ MySQL 的 Row (一行数据)。是 JSON 格式。

• Field (字段) ≈ MySQL 的 Column (列)。

🗣️ 面试参考回答：

"我们可以用关系型数据库（MySQL）的概念来类比理解：

1. 索引（Index）： 类似于 MySQL 中的表（Table） ，是存储数据的逻辑容器。

2. 文档（Document）： 类似于 MySQL 中的行（Row） ，是 ES 中存储数据的基本单元，通常以 JSON 格式表示。

3. 字段（Field）： 类似于 MySQL 中的列（Column） ，是文档中的具体属性，比如 JSON 中的 key。"

---

3. 使用 ES 的时候你用的什么分词器，包含几种模式？

💡 知识点解析：

• ES 默认的是 Standard 分词器，对中文很不友好（把"我是程序员"切成"我"、"是"、"程"、"序"、"员"）。

• 中文开发必用：IK 分词器 (IK Analyzer)。

• 两种模式：

  1. ik_smart: 聪明模式。切得少，粒度大。如"中华人民共和国"。

  2. ik_max_word: 做最细粒度的拆分。如"中华人民共和国"、"中华"、"华人"、"共和国"...

🗣️ 面试参考回答：

"在项目中处理中文数据时，我们使用的是 IK 分词器 (IK Analyzer)。

它主要包含两种分词模式：

1. ik_smart： 智能切分，也是最粗粒度的切分。比如'程序员'，它就切成一个词。适合用于搜索时的查询词分词。

2. ik_max_word： 最细粒度切分。它会将文本做穷尽式的拆分。比如'程序员'，它可能会拆成'程序员'、'程序'、'员'。适合用于构建索引时，让索引覆盖面更广。"

---

4. 如何拓展词库？

💡 知识点解析：

• 场景： 来了个新词"奥利给"，IK 分词器不认识，会切乱。需要教它。

• 静态方法： 改本地 ext.dic 文件，重启 ES（太麻烦）。

• 动态方法（热更新）： 配置一个远程 Web 服务器（Nginx），让 IK 分词器每分钟去请求一下 ext.dic。如果有更新（看 ETag 或 Last-Modified），就加载新词。

🗣️ 面试参考回答：

"拓展词库主要通过自定义字典来实现，通常是为了加入一些行业术语或网络热词。

我们在项目中采用了 IK 分词器的热更新 方案：

我们在配置文件中指定了一个远程的词典地址（通常是一个 Nginx 托管的 txt 文件）。IK 分词器会每隔一分钟发送请求检测该文件的 Last-Modified 或 ETag。如果发现文件变动，就会自动重新加载词典，无需重启 ES 服务。"

---

5. match 查询和 term 查询的区别？

💡 知识点解析：

• match (匹配查询): 会分词。你搜"华为手机"，它先切成"华为"和"手机"，然后去搜既有华为又有手机的文档。

• term (精确查询): 不分词。你搜"华为手机"，它就去倒排索引里找"华为手机"这个完整的词。通常用于搜 ID、状态码、枚举值。

🗣️ 面试参考回答：

"它们的区别主要在于是否对搜索词进行分词：

1. match 查询： 是一种全文 检索查询。ES 会先用分词器把用户的搜索词（如'华为手机'）拆分成多个 Term （'华为'、'手机'），然后再去倒排索引中匹配。

2. term 查询： 是一种精确查询 。ES 不会 对搜索词进行分词，而是直接拿着这个词去倒排索引里找完全一致的 Term。通常用于查询 ID、状态、标签等不需要分词的字段。"

---

6. ES 如何实现分页查询？

💡 知识点解析：

• 关键字：from (跳过多少条), size (取多少条)。

• 类比 SQL: limit offset, size。

🗣️ 面试参考回答：

"ES 的基础分页和 MySQL 类似，使用 from 和 size 两个参数。

• from： 指定从第几条数据开始查（偏移量）。

• size ： 指定每页返回多少条数据。

  例如 from=0, size=10 就是第一页；from=10, size=10 就是第二页。"

---

7. 深度分页的解决方案？

💡 知识点解析：

• 问题： from + size 默认限制是 10,000。如果你想查第 100 万页，ES 每一台机器都要查 100 万条数据并在内存里排序，内存会爆炸。

• 解决 1 (Search After): 推荐。像手机刷朋友圈，"下一页"是基于上一页最后一条的时间戳往后查。

• 解决 2 (Scroll): 快照。查的时候把此时此刻的所有结果拍个照存起来，慢慢翻。适合导出数据，不适合实时搜索（太耗资源，且不是实时的）。

🗣️ 面试参考回答：

"普通的 from + size 分页在深度分页（比如翻到第 1 万页后）时性能会急剧下降，且 ES 默认限制窗口最大为 10000。

针对深度分页，主要有两种解决方案：

1. search_after（推荐）： 类似于'瀑布流'加载。它通过记录上一页最后一条数据的排序值（Sort Values），作为下一页查询的起点。它不需要在内存中跳过大量数据，性能很好，适合实时业务。

2. Scroll（游标）： 类似于数据库的'快照'。它会一次性生成所有数据 的快照上下文，然后分批读取。适用于海量数据导出 或数据迁移场景，但不适合实时的用户查询，因为维护快照很耗资源。"

---

8. 怎么在 ES 中组合多个查询条件？

💡 知识点解析：

• 使用 Bool Query (布尔查询)。

• 四大金刚：

  1. must: 必须满足（类似 AND）。算分。

  2. should: 应该满足（类似 OR）。算分。

  3. must_not: 必须不满足（类似 NOT）。不算分。

  4. filter: 必须满足。不算分（只过滤，性能高，有缓存）。

🗣️ 面试参考回答：

"在 ES 中，我们主要使用 bool 查询 来组合多个条件。它包含四个核心子句：

1. must： 必须匹配（类似 AND），会计算相关性得分。

2. should： 选择性匹配（类似 OR），满足的条件越多得分越高。

3. must_not： 必须不匹配（类似 NOT），不计算得分。

4. filter： 必须匹配。但它不计算得分 ，且结果会被缓存。对于不需要算分的过滤条件（如按价格范围、按状态筛选），我们会优先放在 filter 中以提升性能。"

---

9. 全文检索查询结果默认是如何排序的，如何控制这个顺序？

💡 知识点解析：

• 默认： 按 _score（相关性得分）降序。

• 算法： 早期用 TF-IDF，现在默认用 BM25 算法。

• 控制： 使用 sort 参数指定字段。如果用了 sort，默认的 _score 就会变成 null（除非强制开启）。

• 复杂控制： function_score，自定义脚本算分（比如竞价排名，给钱多的加分）。

🗣️ 面试参考回答：

"默认排序： ES 默认按照文档的相关性得分（_score） 进行降序 排列。这个得分是基于 BM25 算法计算的，简单说就是看搜索词在文档中出现的频率 和重要性。

如何控制：

1. 指定字段排序： 可以在查询时使用 sort 参数，指定按照创建时间、价格等字段进行排序。

2. 自定义算分（Function Score）： 如果需要更复杂的排序（比如给'VIP用户'发布的文章加权），我们可以使用 function_score 查询，通过自定义脚本 或权重函数来修改文档的最终得分。"