ES 是什么？和 Lucene 什么关系？
ES 是基于 Lucene 封装的分布式搜索引擎，提供全文检索、数据分析。
Lucene 是底层的检索库，ES 把它做成了分布式、易用、高可用的服务。
ES的核心概念：index、document、shard、replica
index：相当于数据库的库
document：一条数据，相当于行
shard：分片，把索引拆分成多个块，提高并发和容量
replica：副本，备份数据，提高可用性，分担查询压力
什么是倒排索引？
倒排索引就是关键词对应文档 ID，而不是文档对应关键词。
这样搜关键词时能快速定位到哪些文档包含它，是 ES 快的核心原因。
ElasticSearch中match和term的区别
match 分词,适用于 text 类型字段,适用于模糊匹配
term 不分词,适用于 keyword 类型字段,适用于精确匹配
text 和 keyword 区别？
text：会分词，用于全文搜索
keyword：不分词，用于精确匹配、排序、聚合
ES 为什么查询快？核心是什么？
答：核心是倒排索引，按关键词匹配文档，无需全表扫描；项目均用 IK 分词器，适配专业词汇，提升检索准确性
ES 怎么实现多维度筛选 + 检索提速？
答：筛选字段建 keyword 索引，使用 bool 查询：must 放关键词检索，filter 放多维度筛选条件（filter 不参与评分且可缓存）；项目中合理设置分片，将热点数据预热至内存，保证检索响应 < 500ms。
ES 怎么性能优化
- 怎么提高写入速度？
用 bulk 批量写入
调大 refresh_interval，减少段生成
写入时临时关掉副本，写完再开
提前定义 mapping，不动态创建字段 - 怎么提高查询速度？
能用 filter 就不用 query，filter 会缓存
聚合、排序用 keyword，不用 text
深分页用 search_after 或 scroll，不用 from+size
只查需要的字段，别全返回 - 分片怎么设？
单分片建议 10~50GB
分片太少：并发上不去
分片太多：管理开销大，查询慢
MySQL 数据怎么同步到 ES？
主流用 Canal 监听 binlog，实时同步到 ES。
也可以定时任务增量同步，或业务双写。
什么是冷热分离？
热数据：放高性能节点，高频读写
冷数据：放低配节点，只查不写
用 ILM 生命周期自动管理。
集群加节点会发生什么？
ES 会自动分片重平衡，把数据均匀分到新节点，提高整体性能。
慢查询怎么排查？
开慢查询日志
用 profile 看每一步耗时
看节点负载、线程、分片状态
ElasticSearch 的常见问题与解决方案
- 数据不一致问题
原因：副本同步延迟或节点故障。
解决：监控副本状态，确保 number_of_replicas 合理，避免网络分区。 - 查询性能瓶颈
原因：全表扫描、未命中索引。
解决：使用 _explain 分析查询计划，优化索引和查询语句。
- 集群脑裂（Split Brain）
原因：网络分区导致多个主节点。
解决：配置 discovery.zen.minimum_master_nodes 至少为 (number_of_master_nodes / 2) + 1。
ElasticSearch 是分布式搜索与分析领域的核心工具，掌握其核心原理（倒排索引、分片副本）、查询优化（聚合、路由）、集群管理（高可用、监控）及故障排查是面试成功的关键。
实际应用中需结合业务场景设计合理的索引策略，并通过性能调优（JVM、分页、缓存）保障系统稳定性。
ElasticSearch 集群如何搭建的
ElasticSearch7.10.2 集群：
集群采用 3 主 2 从架构，主节点负责分片管理和写操作，从节点负责读操作和容灾，所有节点统一配置内核参数、禁用透明大页，保证集群稳定性；
创建课程索引时指定3 主分片 + 1 副本，分片均匀分配到主节点，副本分配到从节点，同时安装 IK 分词器实现中文全文检索，设置 1s 刷新间隔实现数据实时索引；
项目中通过 Spring Data Elasticsearch 对接集群，使用keyword做精确查询、text+IK做模糊检索，结合动态加权排序算法，实现课程 / 名师 / 知识点多维度检索，搜索响应时间控制在 500ms 内；
同时做了批量操作、热点缓存、冷热数据分离等优化，适配 10 万 + 课程数据的高并发检索需求，高峰期系统稳定运行。
