镇江市住房城乡建设局网站山西太原网站建设
es elastocsearch
倒排索引是在数据查询之前建立，在查询的时候可以直接通过关键词定位到文档内容。用空间换时间
分布式架构原理说一下？
es底层是基于lucene来的 大概就是一个用于全文检索的jar包
用es来做分布式的搜索引擎 可以承载一秒钟几千的搜索
es用来存储数据的基本单位是索引。
index:mysql里的一张表
type：一个index里可以有多个type，每个type的字段都是差不多的，但是有一些略微的差别
比如mysql中的表 有些订单是实物订单，有些是游戏点卡。两种订单大部分字段一样，但是少部分字段可能有略微的差别。
mapping代表了对这个type表结构的定义，定义了这个type中每个字段名称，字段是什么类型，然后还有这个字段的各种配置
document：往index里的一个type里面写一条数据，叫做一条document，一条document代表了mysql中某个表的一行，每个document有多个field，每个field就代表了document中一个字段的值
架构：
每台机器中有一个es进程，每个es进程中有多个shard，每个shard都会在其他的某个机器上有一个副本 一个索引的数据会被分布式存储在多个shard上面 primary为主版本，replica为副版本
如果说masterNode节点（代表一个机器）突然挂了，那么es会重新选举一个新的节点成为masterNode 原本需要的不是shard01跟shard02么 此时新的masterNode里面是02跟03,02是replica Shard 此时会将它变成primary Shard
kafka是只能在lead里面读写 而es是可以在primary里面写读写 可以在replica里面读
当刚刚宕机了的节点恢复后，它里面的shard02会变成replica shard
写入与查询的工作原理？
客户端可以挑任意一个进程去写，进去以后 如果是找到了replica节点，那么replica会把数据路由到primary中，写进primary，然后primary会将数据同步到replica中
写进shard怎么写的？
在写进shard之后 会写进内存buffer中，同时会写进tanslog日志中，每隔一段时间会把buffer中的数据刷进磁盘，refresh操作->刷到segmentFile中，segmentfile 中就存储最近1秒内buffer中写入的数据 刷到segmentfile之前会先进os cache操作系统级别的一个内存缓存中 为什么说es是准实时的，因为是每隔1秒refresh一次，写入的数据1秒后才能被看到
这样一直重复，新的数据不断进入buffer和translog中，不断将buffer数据写入一个又一个新的segment file中去，每次refresh完buffer清空，tanslog保留，随着过程推进，translog会变得越来越大，当translog达到一定长度的时候，就会触发conmit操作
commit操作：1写comimit point 2 OS cache数据fsync强刷到磁盘上去 3.清空translog日志文件
一般不叫commit 一般叫flash操作
translog主要是用来做数据的恢复 内存如果宕机 那么就可以根据translog来做一个恢复
1.他是准实时的，数据写入一秒后可以搜索到，2可能会丢失数据的，你的数据有5秒的时间停留在buffer、translog、segment file os cache中
此时如果宕机 可能会导致五秒的数据丢失
如果你希望一定不丢数据的话 ，可以设置参数，每次写入一条数据，都是直接写入buffer，同时写入磁盘中的translog
删除数据：有个.del的文件 如果某条数据被删除了，.del文件中会标记这条数据。然后你就不会搜索到这条数据了
merge操作：三个segment合并成一个segment，如果原来的segment中某条数据被标志成.del 那么在合并后 它就没了 被物理删除了
读数据过程：不断轮询 每次随机找一个shard去读，
在几十亿数量级场景下如何优化查询性能？
仅仅只是写入es中要用来检索的少数几个字段就可以了 ， fileSystemcache里面的内存要大一点
你最好写入es的数据小于等于 fileSystem cache 最好让查询大量的命中filesystemcache
数据预热：经常要访问的数据 把他刷到filesystemCache中 就是从内存拿 而不是磁盘
比如电商 你可以吧一些平时查看得比较多的商品，热数据提前后台搞个程序，每隔一分钟，自己主动访问一次，刷到filesystemCache中去
冷热分离： 就是经常用的数据放在一张表里面，不经常用的放在另一个shard里面
用es做分页，越往后翻越慢
两个思路来解决：
1.不允许深度分页
2.默认翻得越深，性能越差
微博：可以用scroll api
其实现在很多产品是不能随意翻页的 做成的是往下拉的这种 而不是说一下从一百页跳到200页
生产环境的分布式搜索引擎是怎么部署的？
中小型公司：
集群部署了5台机器，每台机器是6核64G的，集群总内存是320G
日增量数据大概是2000万条，每天日常增量数据大概是500MB，每月