面试题答案
一键面试索引设计优化
- 字段映射优化：
- 原理：根据商品数据的特点，合理设置字段类型。例如，对于价格字段，选择合适的数值类型（如
float或double），避免使用text类型，因为text类型默认会进行分词，不适合数值的精确检索。对于商品名称等文本字段，根据业务需求选择合适的分词器，如ik_max_word适合中文细粒度分词，能提高搜索的召回率。 - 策略：对商品描述等长文本字段，可以考虑设置
norms为false，以减少存储开销，因为norms主要用于计算相关性分数，在某些场景下可能不需要。同时，对于一些不需要进行搜索，但需要展示的字段（如商品图片链接），可以设置为doc_values为false，减少磁盘占用。
- 原理：根据商品数据的特点，合理设置字段类型。例如，对于价格字段，选择合适的数值类型（如
- 索引分片与副本优化：
- 原理：分片是将索引数据分布到不同的节点上，提高数据的并行处理能力和存储能力。副本是对分片的复制，用于提高系统的可用性和读性能。
- 策略：根据预估的商品数据量和集群节点数量，合理设置分片数。一般原则是每个分片大小控制在 10 - 50GB 为宜。例如，如果预估商品数据总量为 1TB，且集群有 10 个节点，可设置 20 - 50 个分片。副本数根据读请求的并发量来设置，高并发读场景下，可以适当增加副本数，如设置为 2 - 3 个副本，以提高读性能，但同时要注意副本数过多会增加写操作的负担和存储成本。
写操作优化
- 批量处理：
- 原理：将多个写操作合并为一个批量请求，减少网络开销和 ES 内部处理的压力。ES 在处理批量请求时，会将多个操作作为一个整体进行处理，减少了单个请求的资源开销。
- 策略：在商品数据实时更新时，尽量将多个商品的更新操作组合成一个批量请求发送到 ES 集群。例如，可以设置一个阈值，当积累到一定数量（如 100 条）的商品更新时，发起一次批量写请求。
- 异步写入：
- 原理：采用异步方式进行写操作，将写请求放入队列中，由专门的线程或进程进行处理，这样可以避免写操作阻塞应用程序的主线程，提高应用程序的响应速度。
- 策略：在应用层使用消息队列（如 Kafka）来接收商品数据的更新请求，ES 从消息队列中消费这些请求并进行写入操作。这样可以解耦写操作与业务逻辑，提高系统的整体吞吐量。
读操作优化
- 缓存机制：
- 原理：在 ES 集群前端设置缓存，如 Redis。对于一些高频的搜索请求，先从缓存中查找结果，如果命中则直接返回，避免对 ES 集群的重复查询，减轻 ES 的读压力。
- 策略：可以根据搜索关键词、搜索条件等生成缓存的 key，将 ES 返回的搜索结果缓存到 Redis 中。设置合适的缓存过期时间，对于时效性要求高的商品搜索结果，可以设置较短的过期时间（如几分钟），对于时效性要求相对较低的，可以设置较长的过期时间（如几小时）。
- 搜索请求优化：
- 原理：优化用户的搜索请求，减少不必要的查询复杂度，提高 ES 搜索效率。
- 策略：对用户输入的搜索关键词进行预处理，如去除停用词、进行同义词扩展等。在构建查询语句时，尽量使用简单高效的查询方式，例如对于精确匹配的字段，使用
term查询；对于模糊匹配的文本字段，使用match查询并合理设置参数。同时，可以根据业务需求设置查询的timeout，避免长时间的查询等待。
集群配置优化
- 节点角色优化：
- 原理：在 ES 主从模式下，合理分配节点角色，不同角色的节点承担不同的任务，提高集群的整体性能。
- 策略：将集群中的节点分为主节点、数据节点和协调节点。主节点主要负责集群的管理工作，如创建、删除索引，分配分片等，数量不宜过多，一般 3 - 5 个为宜。数据节点负责存储和处理数据，根据数据量和性能需求合理设置数量。协调节点负责接收用户的请求，并将请求路由到相应的数据节点，然后将结果汇总返回给用户，可以适当增加协调节点的数量来处理高并发的读请求。
- 资源分配优化：
- 原理：根据节点的硬件资源（如 CPU、内存、磁盘等），合理分配 ES 进程的资源，以充分发挥节点的性能。
- 策略：对于数据节点，由于需要大量的内存来缓存数据和进行查询处理，应分配较多的堆内存，一般建议堆内存设置为节点物理内存的 50%，且不超过 32GB。同时，确保磁盘有足够的空间来存储数据，并且使用高性能的磁盘（如 SSD）以提高 I/O 性能。对于主节点和协调节点，根据其任务特点，合理分配 CPU 和内存资源，保证其稳定运行。