网站挂马 屏蔽站长的ip,成华区微信网站建,中国医院建设协会网站首页,漯河哪个网站推广效果好1、Elasticsearch是如何实现master选举的#xff1f;1、对所有可以成为master的节点根据nodeId排序#xff0c;每次选举每个节点都把自己所知道节点排一次序#xff0c;然后选出第一个#xff08;第0位#xff09;节点#xff0c;暂且认为它是master节点。
2、如果对某个… 1、Elasticsearch是如何实现master选举的1、对所有可以成为master的节点根据nodeId排序每次选举每个节点都把自己所知道节点排一次序然后选出第一个第0位节点暂且认为它是master节点。
2、如果对某个节点的投票数达到一定的值可以成为master节点数n/21并且该节点自己也选举自己那这个节点就是master。否则重新选举。
3、对于brain split问题需要把候选master节点最小值设置为可以成为master节点数n/21quorum 2、详细描述一下 Elasticsearch 索引文档的过程。1、当分片所在的节点接收到来自协调节点的请求后会将请求写入到 MemoryBuffer然后定时默认是每隔 1 秒写入到 Filesystem Cache这个从 MomeryBuffer 到 Filesystem Cache 的过程就叫做 refresh
2、当然在某些情况下存在 Momery Buffer 和 Filesystem Cache 的数据可能会丢失ES 是通过 translog 的机制来保证数据的可靠性的。其实现机制是接收到请求后同时也会写入到 translog 中当 Filesystem cache 中的数据写入到磁盘中时才会清除掉这个过程叫做 flush
3、在 flush 过程中内存中的缓冲将被清除内容被写入一个新段段的 fsync将创建一个新的提交点并将内容刷新到磁盘旧的 translog 将被删除并开始一个新的 translog。
4、flush 触发的时机是定时触发默认 30 分钟或者 translog 变得太大默认为 512M时3、详细描述一下 Elasticsearch 更新和删除文档的过程。1、删除和更新也都是写操作但是 Elasticsearch 中的文档是不可变的因此不能被删除或者改动以展示其变更。
2、磁盘上的每个段都有一个相应的.del 文件。当删除请求发送后文档并没有真的被删除而是在.del 文件中被标记为删除。该文档依然能匹配查询但是会在结果中被过滤掉。当段合并时在.del 文件中被标记为删除的文档将不会被写入新段。
3、在新的文档被创建时Elasticsearch 会为该文档指定一个版本号当执行更新时旧版本的文档在.del 文件中被标记为删除新版本的文档被索引到一个新段。旧版本的文档依然能匹配查询但是会在结果中被过滤掉。4、详细描述一下 Elasticsearch 搜索的过程1、搜索被执行成一个两阶段过程我们称之为 Query Then Fetch
2、在初始查询阶段时查询会广播到索引中每一个分片拷贝主分片或者副本分片。每个分片在本地执行搜索并构建一个匹配文档的大小为 from size 的优先队列。
备注在搜索的时候是会查询 Filesystem Cache 的但是有部分数据还在 MemoryBuffer所以搜索是近实时的。
3、每个分片返回各自优先队列中 所有文档的 ID 和排序值 给协调节点它合并这些值到自己的优先队列中来产生一个全局排序后的结果列表。
4、接下来就是 取回阶段协调节点辨别出哪些文档需要被取回并向相关的分片提交多个 GET 请求。每个分片加载并 丰富 文档如果有需要的话接着返回文档给协调节点。一旦所有的文档都被取回了协调节点返回结果给客户端。
5、补充Query Then Fetch 的搜索类型在文档相关性打分的时候参考的是本分片的数据这样在文档数量较少的时候可能不够准确DFS Query Then Fetch 增加了一个预查询的处理询问 Term 和 Document frequency这个评分更准确但是性能会变差。5、Elasticsearch 对于大数据量上亿量级的聚合如何实现Elasticsearch 提供的首个近似聚合是 cardinality 度量。它提供一个字段的基数即该字段的 distinct 或者unique 值的数目。它是基于 HLL 算法的。HLL 会先对我们的输入作哈希运算然后根据哈希运算的结果中的 bits 做概率估算从而得到基数。其特点是可配置的精度用来控制内存的使用更精确 更多内存小的数据集精度是非常高的我们可以通过配置参数来设置去重需要的固定内存使用量。无论数千还是数十亿的唯一值内存使用量只与你配置的精确度相关。6、在并发情况下Elasticsearch 如果保证读写一致1、可以通过版本号使用乐观并发控制以确保新版本不会被旧版本覆盖由应用层来处理具体的冲突
2、另外对于写操作一致性级别支持 quorum/one/all默认为 quorum即只有当大多数分片可用时才允许写操作。但即使大多数可用也可能存在因为网络等原因导致写入副本失败这样该副本被认为故障分片将会在一个不同的节点上重建。
3、对于读操作可以设置 replication 为 sync(默认)这使得操作在主分片和副本分片都完成后才会返回如果设置 replication 为 async 时也可以通过设置搜索请求参数_preference 为 primary 来查询主分片确保文档是最新版本。7、ElasticSearch中的集群、节点、索引、文档、类型是什么群集一个或多个节点服务器的集合它们共同保存您的整个数据并提供跨所有节点的联合索引和搜索功能。群集由唯一名称标识默认情况下为“elasticsearch”。此名称很重要因为如果节点设置为按名称加入群集则该节点只能是群集的一部分。 节点属于集群一部分的单个服务器。它存储数据并参与群集索引和搜索功能。 索引就像关系数据库中的“数据库”。它有一个定义多种类型的映射。索引是逻辑名称空间映射到一个或多个主分片并且可以有零个或多个副本分片。
eg: MySQL 数据库 ElasticSearch 索引 文档类似于关系数据库中的一行。不同之处在于索引中的每个文档可以具有不同的结构字段但是对于通用字段应该具有相同的数据类型。
MySQL Databases Tables Columns / Rows ElasticSearch Indices Types 具有属性的文档类型是索引的逻辑类别/分区其语义完全取决于用户。8、Elasticsearch的倒排索引是什么1、倒排索引是搜索引擎的核心。搜索引擎的主要目标是在查找发生搜索条件的文档时提供快速搜索。倒排索引是一种像数据结构一样的散列图可将用户从单词导向文档或网页。它是搜索引擎的核心。其主要目标是快速搜索从数百万文件中查找数据。
2、传统的我们的检索是通过文章逐个遍历找到对应关键词的位置。而倒排索引是通过分词策略形成了词和文章的映射关系表这种词典映射表即为倒排索引。有了倒排索引就能实现o1时间复杂度的效率检索文章了极大的提高了检索效率。学术的解答方式
倒排索引相反于一篇文章包含了哪些词它从词出发记载了这个词在哪些文档中出现过由两部分组成——词典和倒排表。
加分项倒排索引的底层实现是基于FSTFinite State Transducer数据结构。
lucene从4版本后开始大量使用的数据结构是FST。FST有两个优点
1空间占用小。通过对词典中单词前缀和后缀的重复利用压缩了存储空间
2查询速度快。O(len(str))的查询时间复杂度。9、ElasticSearch中的分析器是什么1、在ElasticSearch中索引数据时数据由为索引定义的Analyzer在内部进行转换。分析器由一个Tokenizer和零个或多个TokenFilter组成。编译器可以在一个或多个CharFilter之前。分析模块允许您在逻辑名称下注册分析器然后可以在映射定义或某些API中引用它们。
2、Elasticsearch附带了许多可以随时使用的预建分析器。或者您可以组合内置的字符过滤器编译器和过滤器器来创建自定义分析器。10、启用属性索引和存储的用途是什么1、Enabled属性适用于各类ElasticSearch特定/创建领域如index和size。用户提供的字段没有“已启用”属性。存储意味着数据由Lucene存储如果询问将返回这些数据。
2、存储字段不一定是可搜索的。默认情况下字段不存储但源文件是完整的。因为您希望使用默认值(这是有意义的)所以不要设置store属性 该指数属性用于搜索。
3、索引属性只能用于搜索。只有索引域可以进行搜索。差异的原因是在分析期间对索引字段进行了转换因此如果需要的话您不能检索原始数据。11、Elasticsearch了解多少说说你们公司es的集群架构索引数据大小分片有多少以及一些调优手段 。比如ES集群架构13个节点索引根据通道不同共20索引根据日期每日递增20索引10分片每日递增1亿数据每个通道每天索引大小控制150GB之内。
仅索引层面调优手段1.1、设计阶段调优
1根据业务增量需求采取基于日期模板创建索引通过roll over API滚动索引
2使用别名进行索引管理
3每天凌晨定时对索引做force_merge操作以释放空间
4采取冷热分离机制热数据存储到SSD提高检索效率冷数据定期进行shrink操作以缩减存储
5采取curator进行索引的生命周期管理
6仅针对需要分词的字段合理的设置分词器
7Mapping阶段充分结合各个字段的属性是否需要检索、是否需要存储等。…1.2、写入调优
1写入前副本数设置为0
2写入前关闭refresh_interval设置为-1禁用刷新机制
3写入过程中采取bulk批量写入
4写入后恢复副本数和刷新间隔
5尽量使用自动生成的id。1.3、查询调优
1禁用wildcard
2禁用批量terms成百上千的场景
3充分利用倒排索引机制能keyword类型尽量keyword
4数据量大时候可以先基于时间敲定索引再检索
5设置合理的路由机制。1.4、其他调优部署调优业务调优等。12、Elasticsearch 索引数据多了怎么办如何调优部署1 动态索引层面
基于模板时间rollover api滚动创建索引举例设计阶段定义blog索引的模板格式为blog_index_时间戳的形式每天递增数据。这样做的好处不至于数据量激增导致单个索引数据量非常大接近于上线2的32次幂-1索引存储达到了TB甚至更大。一旦单个索引很大存储等各种风险也随之而来所以要提前考虑及早避免。2 存储层面
冷热数据分离存储热数据比如最近3天或者一周的数据其余为冷数据。对于冷数据不会再写入新数据可以考虑定期force_merge加shrink压缩操作节省存储空间和检索效率。3 部署层面
一旦之前没有规划这里就属于应急策略。结合ES自身的支持动态扩展的特点动态新增机器的方式可以缓解集群压力注意如果之前主节点等规划合理不需要重启集群也能完成动态新增的。13、在使用 Elasticsearch 时要注意什么由于ES使用的Java写的所有注意的是GC方面的问题1、倒排词典的索引需要常驻内存无法 GC需要监控 data node 上 segmentmemory 增长趋势。
2、各类缓存field cache, filter cache, indexing cache, bulk queue 等等要设置合理的大小并且要应该根据最坏的情况来看 heap 是否够用也就是各类缓存全部占满的时候还有 heap 空间可以分配给其他任务吗避免采用 clear cache等“自欺欺人”的方式来释放内存。
3、避免返回大量结果集的搜索与聚合。确实需要大量拉取数据的场景可以采用scan scroll api 来实现。
4、cluster stats 驻留内存并无法水平扩展超大规模集群可以考虑分拆成多个集群通过 tribe node 连接
5、想知道 heap 够不够必须结合实际应用场景并对集群的 heap 使用情况做持续的监控。14、Elasticsearch 支持哪些类型的查询查询主要分为两种类型精确匹配、全文检索匹配。
精确匹配例如 term、exists、term set、 range、prefix、 ids、 wildcard、regexp、 fuzzy等。
全文检索例如match、match_phrase、multi_match、match_phrase_prefix、query_string 等15、你能否列出与 Elasticsearch 有关的主要可用字段数据类型1、字符串数据类型包括支持全文检索的 text 类型 和 精准匹配的 keyword 类型。
2、数值数据类型例如字节短整数长整数浮点数双精度数half_floatscaled_float。
3、日期类型日期纳秒Date nanoseconds布尔值二进制Base64编码的字符串等。
4、范围整数范围 integer_range长范围 long_range双精度范围 double_range浮动范围 float_range日期范围 date_range。
5、包含对象的复杂数据类型nested 、Object。
6、GEO 地理位置相关类型。
7、特定类型如数组数组中的值应具有相同的数据类型16、如何监控 Elasticsearch 集群状态Marvel 让你可以很简单的通过 Kibana 监控 Elasticsearch。你可以实时查看你的集群健康状态和性能也可以分析过去的集群、索引和节点指标。17、有了解过Elasticsearch的性化搜索方案吗基于word2vec和Elasticsearch实现个性化搜索
1基于word2vec、Elasticsearch和自定义的脚本插件我们就实现了一个个性化的搜索服务相对于原有的实现新版的点击率和转化率都有大幅的提升
2基于word2vec的商品向量还有一个可用之处就是可以用来实现相似商品的推荐
3使用word2vec来实现个性化搜索或个性化推荐是有一定局限性的因为它只能处理用户点击历史这样的时序数据而无法全面的去考虑用户偏好这个还是有很大的改进和提升的空间18、是否了解字典树数据结构优缺点Array/List使用二分法查找不平衡HashMap/TreeMap性能高内存消耗大几乎是原始数据的三倍Skip List跳跃表可快速查找词语在lucene,redis,HBase中有实现Trie适合英文词典如果系统中存在大量字符串且这些字符串基本没有公共前缀Double Array Trie适合做中文词典内存占用小很多分词工具军采用此种算法Ternary Search Tree一种有状态的转移机Lucene 4有开源实现并大量使用Trie 的核心思想是空间换时间利用字符串的公共前缀来降低查询时间的开销以达到提高效率的目的。它有 3 个基本性质1、根节点不包含字符除根节点外每一个节点都只包含一个字符。2、从根节点到某一节点路径上经过的字符连接起来为该节点对应的字符串。3、每个节点的所有子节点包含的字符都不相同。1、可以看到trie 树每一层的节点数是 26^i 级别的。所以为了节省空间我们还可以用动态链表或者用数组来模拟动态。而空间的花费不会超过单词数×单词长度。2、实现对每个结点开一个字母集大小的数组每个结点挂一个链表使用左儿子右兄弟表示法记录这棵树3、对于中文的字典树每个节点的子节点用一个哈希表存储这样就不用浪费太大的空间而且查询速度上可以保留哈希的复杂度 O(1)。19、ElasticSearch是否有架构1、ElasticSearch可以有一个架构。架构是描述文档类型以及如何处理文档的不同字段的一个或多个字段的描述。Elasticsearch中的架构是一种映射它描述了JSON文档中的字段及其数据类型以及它们应该如何在Lucene索引中进行索引。因此在Elasticsearch术语中我们通常将此模式称为“映射”。
2、Elasticsearch具有架构灵活的能力这意味着可以在不明确提供架构的情况下索引文档。如果未指定映射则默认情况下Elasticsearch会在索引期间检测文档中的新字段时动态生成一个映射。20、为什么要使用Elasticsearch?因为在我们商城中的数据将来会非常多所以采用以往的模糊查询模糊查询前置配置会放弃索引导致商品查询是全表扫面在百万级别的数据库中效率非常低下而我们使用ES做一个全文索引我们将经常查询的商品的某些字段比如说商品名描述、价格还有id这些字段我们放入我们索引库里可以提高查询速度
