1.1说说什么是全文搜索

image.png
如果使用Mysql的模糊查询，就需要针对每条数据记录的content字段上进行模糊匹配，匹配成功的数据记录就加入到结果集中，直到扫描到叶子叶子的末尾。这种方式也称为顺序扫描法，需要遍历所有的记录进行匹配，效率非常低。
【全文检索】
通过一个程序扫描文本中的每一个单词，针对单词建立索引，并保存该单词在文本中的位置，以及出现的次数。用户查询时，通过之前建立好的索引来查询，将索引中单词对应的文本位置、出现的次数返回给用户，因为有了具体文本的位置，所以就可以通过具体内容读取出来了。

1.2说说你对ES的了解

ES是一个开源的分布式全文搜索引擎，支持全文搜索，数据分析引擎，对海量数据实时处理。es使用Java语言开发，基于Lucene框架实现搜索功能。
（1）特点：快速搜索，分布式部署，RestFul所有操作可以通过http接口进行

  1. 分布式的实时文档存储，每个字段都可以被搜索和索引。
  2. 胜任上百个服务节点的拓展，支持PB以上的结构化和非结构化数据。

image.png
分片sharding和副本replicas：index都分散在各个sharding中。每个sharding都有一个或多个备份。可以反映ES集群的健康状态。ES的使用场景非常广泛，可以用在大数据搜索的场景下，另外ES还具有很强大的计算功能。
Lucene的缺点：
（1）只能在Java项目中使用，并且要以jar包的方式直接集成到项目中；
（2）使用非常复杂(创建索引和搜索索引)；
（3）不支持集群环境
（4）索引数据如果太多就不行，因为索引库和应用在同一个服务器上，共同占用资源。

1.3如何进行中文分词？用过哪些分词器？

IK分词器、HanLP分词器。有基于字典树的分词和基于NLP机器学习的分词。

1.4ES写入数据的工作原理是什么？

（1）客户端发送写数据请求时，可以发往任意的节点，这个节点就称为协调节点。
（2）计算节点文档要写入的分片，一般是对文档id进行hash再取模运算。
（3）协调节点进行路由，将请求转发给对应的节点上的primary shard。
（4）primary shard处理请求，写入数据，然后将数据同步到replica shard。
（5）当数据写入primary shard和replica shard成功后，就可以返回客户端响应结果了

1.5ES查询数据的工作原理是什么？

（1）客户端的请求可以发往任意节点，这个节点就称为协调节点；
（2）协调节点将查询请求广播到每一个数据节点，这些数据节点的分片就会处理该查询请求；
（3）每个分片进行数据查询，将符合条件的数据放在一个队列当中，并将这些数据的文档ID、节点信息、分片信息都返回给协调节点；
（4）由协调节点将所有的结果进行汇总，并排序；
（5）协调节点向包含这些文档的ID的分片发送get请求，对应的分片将文档数据返回给协调节点，最后协调节点将数据整合返回给客户端。

1.6说说ElasticSearch为什么快？

image.png
（1）Postring List(倒排列表)：往ES中put数据时，经过分词器的分词能够插入出很多个不同的field，ElasticSearch会为拆分出来的每个field都建立一个倒排索引，拆分出来的单词称为一个term，每个term都会有一个对应的PostingList，PostingList就是一个int类型的数据，存储了所有符合这个term的文档Id。
（2）TermDictionary(单词字典)：为了快速找到某个特定的term，ES会将所有的term进行排序。再采用二分查找算法来查找某个term，时间复杂度是O(logN)。并且ES是直接通过内存查找这个term，不会去读磁盘。但如果term特别多的话，单词字典会很大，将所有的单词字典都加载到内存中是不太现实的。
（3）TermIndex(单词索引前缀)：其实这个就相当于是前缀树的数据结构，它每个节点包含某个单词的一部分，通过term Index可以快速定位到单词字典中的某一项。再加上一些压缩技术，比如FST。termIndex的尺寸可以只有所有term尺寸的几十分之一，使得使用内存缓存整个termIndex成为可能。
（4）InvertedFile(倒排文件)：对应的是所有term的document，存储在磁盘中。