ES 常见面试问题
1 增大内存: es性能优化的杀手锏: filesystem cache(OS cache): 也就是说 尽量让内存可以容纳所有的索引数据文件,那么搜索的时候就基本都是走内存的,性能会非常高。磁盘和OS cache扫描速度相差近一个数量级,可能一个是1到几百毫秒,另一个是秒。最佳的情况下,就是单机机器的内存,至少可以容纳单机数据量的一半。另一个方面就是写数据的时候,仅仅写入要用来检索的少数几个字段就可以了,其余的数据放到hbase或者mysql上
2 数据预热
假设机器内存达到上面的要求,比如 内存是100G,数据是200G。那么有一半的数据存放在磁盘上,那么这个时候可以设计一个 数据预热子系统, 就是对热数据每隔一段时间,就提前访问一下,让热数据进入 filesystem cache 里面去。这样下次别人访问的时候,性能一定会好很多。
3 document 模型设计
document 模型设计是非常重要的,很多操作,不要在搜索的时候才想去执行各种复杂的乱七八糟的操作,尽量存放单纯的数据放到ES上去,不要考虑用 es 做一些它不好操作的事情,比如 join/nested/parent-child 搜索都要尽量避免,性能都很差的。
4 分页性能优化
分页性能差的原因: https://www.jianshu.com/p/e4da06b55e63
解决方案1:跟产品经理说,你系统不允许翻那么深的页,默认翻的越深,性能就越差。
解决方案2:类似于 app 里的推荐商品不断下拉出来一页一页的
就像淘宝商品一样,一页一页往下刷,不能从第一页跳到100页,从100页跳到50页,不能这样操作。
可以使用 scroll api 来实现,scroll 会一次性给你生成所有数据的一个快照,然后每次滑动向后翻页就是通过游标 scroll_id 移动,获取下一页下一页这样子,性能会比上面说的那种分页性能要高很多很多,基本上都是毫秒级的。
初始化时必须指定 scroll 参数,告诉 es 要保存此次搜索的上下文多长时间。你需要确保用户不会持续不断翻页翻几个小时,否则可能因为超时而失败。
除了用 scroll api,你也可以用 search_after 来做,search_after 的思想是使用前一页的结果来帮助检索下一页的数据,显然,这种方式也不允许你随意翻页,你只能一页页往后翻。初始化时,需要使用一个唯一值的字段作为 sort 字段。参考: https://www.cnblogs.com/hello-shf/p/11543453.html#4527510
见 https://www.jianshu.com/p/a5c1ec91c92e
先写入内存 buffer,在 buffer 里的时候数据是搜索不到的;同时将数据写入 translog 日志文件。
如果 buffer 快满了,或者到一定时间,就会将内存 buffer 数据 refresh 到一个新的 segment file 中,但是此时数据不是直接进入 segment file 磁盘文件,而是先进入 os cache 。这个过程就是 refresh。只要数据进入了OS cache那么就可以被访问到了。
每隔 1 秒钟,es 将 buffer 中的数据写入一个新的 segment file (如果 buffer 里面此时没有数据,那当然不会执行 refresh 操作) ,每秒钟会产生一个新的磁盘文件 segment file,这个 segment file 中就存储最近 1 秒内 buffer 中写入的数据。
这里就解释了为什么叫 es 是 准实时 的? NRT,全称 near real-time。默认是每隔 1 秒 refresh 一次的,所以 es 是准实时的,因为写入的数据 1 秒之后才能被看到。可以通过 es 的 restful api 或者 java api,手动执行一次 refresh 操作,就是手动将 buffer 中的数据刷入 os cache中(但是这样会影响ES批量插入数据的效率),让数据立马就可以被搜索到。只要数据被输入 os cache 中,buffer 就会被清空了,因为不需要保留 buffer 了,数据在 translog 里面已经持久化到磁盘去一份了。
重复上面的步骤,新的数据不断进入 buffer 和 translog,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,translog 保留。随着这个过程推进,translog 会变得越来越大。当 translog 达到一定长度的时候,就会触发 commit 操作。
commit 操作发生第一步,就是将 buffer 中现有数据 refresh 到 os cache 中去,清空 buffer。然后,将一个 commit point 写入磁盘文件,里面标识着这个 commit point 对应的所有 segment file,同时强行将 os cache 中目前所有的数据都 fsync 到磁盘文件中去。最后清空 现有 translog 日志文件,重启一个 translog,此时 commit 操作完成。
这个 commit 操作叫做 flush。默认 30 分钟自动执行一次 flush,但如果 translog 过大,也会触发 flush。flush 操作就对应着 commit 的全过程,我们可以通过 es api,手动执行 flush 操作,手动将 os cache 中的数据 fsync 强刷到磁盘上去。
translog 日志文件的作用是什么?你执行 commit 操作之前,数据要么是停留在 buffer 中,要么是停留在 os cache 中,无论是 buffer 还是 os cache 都是内存,一旦这台机器死了,内存中的数据就全丢了。所以需要将数据对应的操作写入一个专门的日志文件 translog 中,一旦此时机器宕机,再次重启的时候,es 会自动读取 translog 日志文件中的数据,恢复到内存 buffer 和 os cache 中去 这里和Redis持久化机制是类似的 。
translog 其实也是先写入 os cache 的,默认每隔 5 秒刷一次到磁盘中去,所以默认情况下,可能有 5 秒的数据会仅仅停留在 buffer 或者 translog 文件的 os cache 中,如果此时机器挂了,会丢失 5 秒钟的数据。但是这样性能比较好,最多丢 5 秒的数据。也可以将 translog 设置成每次写操作必须是直接 fsync 到磁盘,但是性能会差很多。
总结一下,数据先写入内存 buffer,然后每隔 1s,将数据 refresh 到 os cache,到了 os cache 数据就能被搜索到(所以我们才说 es 从写入到能被搜索到,中间有 1s 的延迟)。每隔 5s,将数据写入 translog 文件(磁盘里面)(这样如果机器宕机,内存数据全没,最多会有 5s 的数据丢失),translog 大到一定程度,或者默认每隔 30mins,会触发 commit 操作,将缓冲区的数据都 flush 到 segment file 磁盘文件中。
可以通过 doc id 来查询,会根据 doc id 进行 hash,判断出来当时把 doc id 分配到了哪个 shard 上面去,从那个 shard 去查询。
客户端发送请求到任意一个 node,成为 coordinate node。
coordinate node 对 doc id 进行哈希路由,将请求转发到对应的 node,此时会使用 round-robin 随机轮询算法,在 primary shard 以及其所有 replica 中随机选择一个,让读请求负载均衡。
接收请求的 node 返回 document 给 coordinate node。
coordinate node 返回 document 给客户端。
搜索
es 最强大的是做全文检索,就是比如你有三条数据:
java真好玩儿啊
java好难学啊
j2ee特别牛
你根据 java 关键词来搜索,将包含 java的 document 给搜索出来。es 就会给你返回:java真好玩儿啊,java好难学啊。
1 客户端发送请求到一个 coordinate node。
2 协调节点将搜索请求转发到所有的 shard 对应的 primary shard 或 replica shard,都可以。
3 query phase:每个 shard 将自己的搜索结果(其实就是一些 doc id)返回给协调节点,由协调节点进行数据的合并、排序、分页等操作,产出最终结果。
4 fetch phase:接着由协调节点根据 doc id 去各个节点上拉取实际的 document 数据,最终返回给客户端。
如果是更新操作,就是将原来的 doc 标识为 deleted 状态,然后新写入一条数据。
buffer 每 refresh 一次,就会产生一个 segment file,所以默认情况下是 1 秒钟一个 segment file,这样下来 segment file 会越来越多,此时会定期执行 merge。每次 merge 的时候,会将多个 segment file 合并成一个 (这里类似于Redis的RDB文件重写) ,同时这里会将标识为 deleted 的 doc 给 物理删除掉 ,然后将新的 segment file 写入磁盘,这里会写一个 commit point,标识所有新的 segment file,然后打开 segment file 供搜索使用,同时删除旧的 segment file。
陈宜唐瑞: 第一:工作经验,以及之前从事的行业,有没有现在这个行业的工作经验;第二:个人能力,平常都会干些什么,通过这些可以看出你之前的一个水平;第三:期望值,是薪资还是学习?通过这个看出你的一个心态;大概就是以上几点,希望对你有帮助.
乾县19769558551: 面试常见问题有哪些??
陈宜唐瑞: 1、请你自我介绍一下?——这是面试的必考题目.介绍内容要与个人简历相一致.表述方式上尽量口语化.要切中要害,不谈无关、无用的内容.条理要清晰,层次要分...
乾县19769558551: 面试都会问哪些问题,用英语都如 - ?
陈宜唐瑞: 常见面试问题:你最大的优缺点,你最成功或者失败的经历,对加班的看法,你的职业规划,你最感谢的人,你对于我们单位了解多少,说出你选择这份工作的动机,你能为我们单位带来什么,你怎么理解你应聘的职位,对工作的期望与目标何在以及一些实际情况的模拟问题,如假设现在有个同事每次开会的时候都提反对你的意见,对你的成见很大,你怎么解决?最后英语只是语言的另外一种表达,问题回答到点就OK.
乾县19769558551: 面试常见问题及回答?
陈宜唐瑞: 问题一:“请你自我介绍一下” 思路: 1、这是面试的必考题目. 2、介绍内容要与个人简历相一致. 3、表述方式上尽量口语化. 4、要切中要害,不谈无关、无用的内容. 5、条理要清晰,层次要分明. 6、事先最好以文字的形式写好背熟....
乾县19769558551: 请问面试最常问到的问题有哪些??
陈宜唐瑞: 面试官最爱提的6个问题 1:请你介绍一下你自己 这是面试官常问的问题.一般人回答这个问题过于平常,只说姓名、爱好、工作经验,这些简历上都有.其实,面试官最希望知道的是求职者能否胜任工作,包括:最强的技能、最深入研究的知...
乾县19769558551: 英语口语面试题目都有哪些? - ?
陈宜唐瑞: 面试中常见的问题如下: 1.introduce oneself2.why do you choose our company? 3. What is your greatest strength?(你最突出的优点是什么?)4. What is your greatest weakness?(你最大的弱点是什么?)5.what is your major?6.Which ...
乾县19769558551: 英国留学求职常见面试问题有哪些? ?
陈宜唐瑞: 1. “Tell me about yourself.” 在英国求职比较常见的问题.这个问题实际是在考察你的交流技巧,英语表达能力,逻辑思维能力,和理性表达能力. 用2分钟来回答这个...
乾县19769558551: 面试中一般会遇到哪些问题?我该怎么回答? - ?
陈宜唐瑞: 下面这些问题是在面试中经常会被问到的,如果您对它早有准备,就不会临阵慌忙,不妨试一试. 1、您参加过高校哪些实践活动?您的自学能力怎样?哪位老师对您影响最大? 2、您父母的职业是什么?您家庭中的情况如何?有没有相关的...
乾县19769558551: 特斯拉面试常见的15个问题 - ?
陈宜唐瑞: 一般的问题有Us briefly about yourself;Your professional;Understanding of your job;What contribution to the company……但是也不能靠背的,主要的还是根据自己情况来说,你可以去乐知在线看看,他家的面试课程覆盖面很广,不仅是生活口语方面提高,更有很多经典的及技巧和实战模拟,一对一的外教老师亲临,每晚都有免费的主题课程,可以先蹭几节课看看