ElasticSearch如何实现近实时搜索,如何提效【面试题,面道既学到】

关于ElasticSearch的十道经典面试题 系统中的数据,随着业务的发展,时间的推移,将会非常多,而业务中往往采用模糊查询进行数据的搜索,而模糊查询会导致查询引擎放弃索引,导致系统查询数据时都是全表扫描,在百万级别的数据库中,查询效率是非常低下的,而我们使用 ES 做一个全文索引,将经常查询的系统功能的某些字段,比如说电商系统的**商品表中商品名,描述、价格还有 id 这些字段我们放入 ES 索引库里,可以提高查询速度**。 阅读详情

ElasticSearch

1、ElasticSearch学习随笔之基础介绍
2、ElasticSearch学习随笔之简单操作
3、ElasticSearch学习随笔之java api 操作
4、ElasticSearch学习随笔之SpringBoot Starter 操作
5、ElasticSearch学习随笔之嵌套操作
6、ElasticSearch学习随笔之分词算法
7、ElasticSearch学习随笔之高级检索
8、ELK技术栈介绍
9、Logstash部署与使用
10、ElasticSearch 7.x 版本使用 BulkProcessor 实现批量添加数据
11、ElasticSearch 8.x 弃用了 High Level REST Client,移除了 Java Transport Client,推荐使用 Elasticsearch Java API
12、ElasticSearch 8.x 使用 snapshot(快照)进行数据迁移
13、ElasticSearch 8.x 版本如何使用 SearchRequestBuilder 检索
14、ElasticSearch 8.x 使用 High Level Client 以 HTTPS 方式链接,SSL 证书、主机名验证器 各是什么,如何忽略
15、ElasticSearch 8.x 创建父子文档,用Join类型字段以及用has_child、has_parent 检索
16、ElasticSearch如何提高写入效率【面试题,面道既学到】



〇、前言

目前万千码友们都面临着一个相当严重的问题,那就是大环境不好,不管是在三五成群的同事们去吃饭的路上,还是下班回家路上的闲唠嗑,都离不开这个话题。大环境不好带来的首要问题就是突然噩耗降临,面临着 裁员 和 失业,这不,截止 2024-06-17 我和陪伴三年的平时嘻嘻哈哈的同事们 say goodbye 了。

于是乎,平时里茶余饭后讨论的话题,不管是八卦还是汽车,砍大山【吹牛皮】还是大长腿的,现在只会弱弱地问一句 “最近你有面试吗?”,这似乎是这段时间来听到的最关心和最耐人寻味的一句问候语了!

我也丝毫不敢懈怠,立马更新了简历,也感谢我的领导 check 我们的简历并给予了很好的改进建议,简历完毕,里面 Boss! Boss! Boss!!!,当然也有 猎聘 和 51job 等,这几天 Boss 几乎被戳烂,成为了我手机上最热门的应用了!

总算是有面试了,本以为自己能轻松应对,也对 ElasticSearch 全文检索了如指掌,毕竟之前写了好多ES相关的博客了,但是在面试官面前几乎 裸奔,一个问题就让我醍醐灌顶,ElasticSearch 如何提高写入效率,当场我的大脑也变成了一台高并发的 ES 服务,疯狂检索答案中!

一、ElasticSearch数据写入方式

ElasticSearch 写入数据有好多种方式,HTTP REST API 、ES 客户端、Logstash、Beats、Bulk API、ES River插件 ,这么多种写入方式大致分为 单条写入 和 批量写入 两种,那不管是 单条发送 还是 批量写入,ElasticSearch 都是会先写入 Buffer(缓存) 中,然后再 Flush 和 Commit,最终写入到 磁盘 中,具体更新流程在下面 【如何实现近实时更新数据】细讲。

那如何能高效数据写入呢?

1.1 Bulk API

1.2 Logstash

  • 通过 Logstash 管道写入数据,什么是 Logstash 以及如何搭建可移步《Logstash部署与使用》篇 阅。

1.3 其他方式

其他方式等有应用到再做博客分享。

以上是常用的两种数据写入方式,集群方式看下面【ElasticSearch 集群写入流程】。

二、ElasticSearch 如何实现近实时搜索?

在这里插入图片描述
官网注释,基于 ElasticSearch 2.x 版本,有些内容可能过时,但是不影响我们学习底层思想。

2.1 近实时搜索(Near real-time search)?

当文档存储在 ElasticSearch 中时,文档就会被索引,并且在接近实时(1秒)内进行搜索,即 近实时搜索,也就是 动态更新索引,怎样在索引不变的前提下实现倒排索引的更新?
答案是 用更多的索引,通过增加新的补充索引进来,而不是直接重写整个倒排索引,每一个倒排索引都会被轮流查询到,然后对结果进行合并。
点击 【Near real-time search(近实时搜索)】了解更多,细细品味。

2.2 逐段搜索(Per-segment search)?

ElasticSearch 基于 Java 库的 Lucene 引入了逐段搜索的概念。每一段类似于方向索引,在 Lucene 中的 index(索引)意思是 几个段的集合加上一个提交点 ,提交之后会将一个新的段添加到提交点,然后清理缓冲区。

在这里插入图片描述

位于 ElasticSearch 和 磁盘之间是文件系统缓存,如上图,图左边是内存索引缓冲区被成功写入新段则如图右边。新段首先写入文件系统缓存性能很快,然后刷新到磁盘则比较消耗性能。不过呢,在缓冲区中的文件是可以其他文件一样打开和读取。

写入和打开新段的过程称为刷新,刷新使自上次刷新以来对索引执行的操作都可用户搜索,可以通过以下方式来控制刷新:

  • 配置等待刷新间隔
  • 设置 ?refresh 选项
  • 调用刷新 API 显式完成刷新(POST _refresh)
    默认情况下,ElasticSearch 每秒定时刷新一次索引,但限于过去 30 秒内收到一个或多个搜索请求的索引,这就是 ElasticSearch 近乎实时搜索,文档改变不会立即搜索,但是在一定时间范围内即可见。

2.3 持久化变更(Making Changes Persistent)

上面提到,ElasticSearch 实现了 近实时搜索,引入了逐段搜索的概念,每次有数据更新是先把数据存在了缓冲区中,是一个索引段,然后把索引段写入到提交点再刷到磁盘中,那如果没有用 fsync 把数据从文件系统缓冲区及时刷到磁盘中,就不能保证在出现异常【比如:断电、服务挂掉、运维 Kill -9】情况下甚至是程序正常退出之后不丢失数据,为了保证 ElasticSearch 能可靠的把变化数据持久化到磁盘,ElasticSearch增加了 translog, 或者叫 事务日志。

通过 translog 来更新数据整体流程如下:

  1. 一个文档索引写入之后,会先写入到内存缓冲区,并且还会追加到 Translog,如下图 。
    写入缓冲区和Translog
  2. 在刷新(refresh)完成后,缓存会被清空,但是 Translog 会保留下来,继续添加文档,还是写入缓冲区中,再次追加到Translog 中,如图所示 。
    清空缓冲区但Translog不会
  • 刷新(refresh)是从缓冲区(In-memory buffer)刷到一个新的索引段中,分片每秒被刷新一次,且没有 fsync 操作 。
  • 这个段被打开,即可以被搜索 。
  • 内存缓冲区被清空 , 但是 Translog 保留,以免异常情况出现。
  1. 在大刷(flush)之后,索引段被全量提交,并且清空 Translog 【清空事务日志】。
    flush,清空缓冲区和Translog
  • 每隔一段时间,Translog 变得越来越大,索引被刷新,一个新的 Translog 创建,并且一个全量的提交被执行。
  • 所有内存缓冲区的文档写入一个新的段 。
  • 缓冲区被清空 。
  • 一个提交点写入磁盘 。
  • 文件系统缓存通过fsync被刷新 。
  • 老的 Translog 被删除 。

Flush API :
在执行一个提交并且截断 Translog 的行为被称为 flush,每 30 分钟被自动刷新(flush),或者在 Translog 太大时也会被刷新,或者也可以 调用 Flush API 来刷新。

#刷新索引
POST /index_name/_flush 

#刷新所有的索引并且等待所有的刷新在返回前完成
POST /_flush?wait_for_ongoing

注意:基本上我们很少用手动刷新操作,通常情况下,自动刷新就足够了,除非写入数据量庞大并且写入频率不稳定。

点击 【Making Changes Persistent】了解更多,细细品味。

2.4 段合并(Segment Merging)

到这里,我们都知道了 ElasticSearch 的 近实时搜索 特性,那同时也会面临着一个问题,ElasticSearch 自动每秒会创建一个新的 段,那就会导致一段时间内会有产生大量的 段。每个段会消耗文件句柄、内存和CPU的运行周期,而且每次搜索都会轮流搜索每个段,所以段的暴增会使数据更新变慢,搜索变慢。

ElasticSearch 通过后台段合并 来解决由于短时间内段暴增而导致的性能问题,小的段合并成大的段,大的段再次合并为更大的段,段合并的同时会把那些旧的已删除的文档清除掉。

  1. 段合并 是 ElasticSearch 后台进行的,并不需要我们过多的去关注,在 ElasticSearch 进行索引和搜索时会自动进行,这个流程如图所示。
    段合并
  • 当索引的时候,刷新(refresh)操作会创建新的段并打开以提供搜索服务。
  • 段合并会选择一些大小相似的段,在后台将小段们合并为一个大段,并且这并不会影响索引和搜索。
  1. 段删除 是在 段合并 完成之后进行的,一旦段合并结束,老的段就会被删除,看图理解。
    段删除
  • 合并比较大的段会消耗大量的 IO、CPU 资源,如果频繁一直合并的话会影响搜索性能,所以 ElasticSearch 在默认情况下会对合并进行资源限制,以保证搜索有足够的资源。

三、ElasticSearch 集群写入流程

一般企业内数据实时要求比较高,并且数据量庞大,每小时近千万数据量进来,那单机版的ElasticSearch 肯定是难以支持的,必定是基于高效的集群模式的,下面是 ElasticSearch 官网提供的一张图,清晰明了。

3.1 集群副本

Basic write model
在 ElasticSearch 中每个索引都被划分为多个碎片,每个碎片可以有多个副本,这些副本称之为复制组,那么在添加删除文档则必须要保持同步,否则从一个副本中搜索的结果和从其他副本搜索的结果截然不同,保持副本同步并提供读取操作的过程称之为 数据副本模型 (Data replication model.)。

ElasticSearch 的数据复制模型是基于主备份(Primary-backup)模型,该模型基于复制组中作为主碎片的副本,其他副本称为副本碎片。主碎片是索引操作的入口,负责验证并且确保数据是正确的,一旦主碎片接受索引操作,则主碎片还要负责该操作复制到其他副本。

因为副本可以脱机,所以主副本(主节点)不需要将主副本复制到所有副本,那 ElasticSearch 维护了一个有效副本的列表,被保证已经处理了所有向用户确认的索引和删除操作。

3.2 副本复制流程

主节点的复制流程如下:

  1. 验证接收到的数据结构无效则拒接写入(Eg:schema不符合) 。
  2. 在本节点执行操作,即索引或者删除相关文档,也会验证字段和内容,并在需要时拒接写入(Eg:关键字值过长)。
  3. 把操作转发到当前可同步的每个副本中(多个副本并行操作)。
  4. 等所有副本成功执行了操作并响应了主节点,主节点才会确认操作成功并返回客户端结果。

注:每个副本也会在本地执行索引操作,也会有一个副本自己的副本。

在这里插入图片描述

四、ElasticSearch 写入慢如何优化呢?

4.1 ChatGPT

  1. 调整 Bulk 请求大小:将大量写入操作合并成一个 Bulk 请求发送到 ElasticSearch。适当增加每个 Bulk 请求中的文档数量可以减少通信开销,提高写入效率,但是要注意不能将 Bulk 请求设置过大,以免超出 ElasticSearch 节点处理能力。
  2. 优化 Mapping:在大量数据写入之前,确保索引的 mapping 合理,避免使用动态 Mapping,这样可以减少 ElasticSearch 工作量。
  3. 考虑使用 Refresh Interval:默认情况下,ElasticSearch 在索引数据后会自动刷新,使新写入的数据可搜索。但是如果写入操作很频繁,可以考虑减少刷新操作,以提高写入性能。
  4. 考虑水平扩展:单个ElasticSearch 无法满足需求,可以考虑通过水平扩展集群来提高写入效率。
  5. 使用异步写入:考虑使用异步写入方式,将写入操作提交到队列中由后台线程处理。
  6. 关闭索引刷新:在批量写入之前,可以暂时关闭索引自动刷新功能,等数据批量写入之后再手动执行刷新操作。

4.2 Kimi 给我的答案

  • 客户端策略
  1. 预定义索引映射(Mapping):预先定义好映射可避免 ElasticSearch 写入时动态推断字段类型,提高效率。
  2. Bulk API:批量操作减少网络开销。
  3. 并行化:水平扩展,将数据分布到多个工作进程中并行写入。
  4. 响应过滤:使用 filter_path 参数减少 ElasticSearch 返回响应体大小,减少网络传输时间。
  5. 保存前汇总:对于频繁更新的操作,可以先在内存中聚合再写入。
  • 索引策略
  1. 调整 Refresh Interval:增加 refresh 间隔可以减少索引过程中的资源消耗,但可能会稍微影响搜索的实时性。
  2. 使用自动生成的 ID:让 Elasticsearch 自动生成 ID 可以避免检查唯一性,提高写入速度。
  3. 禁用副本:在批量索引作业期间禁用副本可以提高索引速度,之后再启用副本以保证数据的高可用性。
  • 节点策略
  1. 调整 Indexing Buffer Size:根据需要调整索引缓冲区的大小,以优化内存使用。
  2. 优化 Translog:调整事务日志的大小,可以在磁盘上创建更大的段,减少刷新操作的频率。
  • 操作系统和服务器策略
  1. 禁用交换(Swapping):确保 Elasticsearch 节点的内存足够,避免因为内存不足而触发交换,影响性能。
  2. 优化文件系统缓存:确保有足够的 RAM 用于文件系统缓存,以提高 I/O 性能。
  3. 选择合适的存储类型:使用 SSD 而不是传统的旋转磁盘,或者使用高性能的网络存储解决方案。
  • 硬件升级
  1. 升级硬件:如果硬件性能成为瓶颈,考虑升级服务器硬件,如使用更快的 CPU、更多的 RAM 或 SSD。
  • 集群架构
  1. 合理分配分片:确保分片均匀分布在集群中,避免某些节点负载过高。
  2. 使用合适的副本策略:根据需要调整副本数量,以平衡写入性能和数据的高可用性。
  • 其他策略
  1. 监控和调优 JVM:确保 JVM 配置得当,避免长时间的 Full GC。
  2. 合理设计分词器:不合理的分词器设计可能会导致 CPU 计算过多和过度分词,影响写入性能。

五、小结

数据库排行:https://db-engines.com/en/ranking/search+engine
DB-Ranking
ElasticSearch 是目前最流行的、企业级搜索最多的全文搜索引擎,高效的全文检索和近实时的数据更新,这无疑成为企业级应用开发时首选的搜索引擎。在互联网发展如此迅速的时代,对从事 IT 行业的我们来说,不仅要掌握其使用方式,更要了解其核心思想以及如何优化,ElasticSearch 搜索是快,但是正对于互联网项目或者电商这种对高并发、高可用、高可扩展 的应用来说,单机版是很难维持的,必须使用集群方式来提高效率。
但是话说回来,每个项目都独有自己的业务场景和对服务的要求不同,所以我们必须要很清晰的了解其内部原理和根据不同的业务场景来针对性的优化,才能在其位上做到 及格。

参考文献

  • ElasticSearch官网:https://www.elastic.co/guide/en/elasticsearch/reference/current/docs-replication.html
  • ElasticSearch官方中文网:https://www.elastic.co/guide/cn/elasticsearch/guide/current/dynamic-indices.html
  • DB-Engines Ranking:https://db-engines.com/en/ranking/search+engine
  • 协助 AI:ChatGPT、Kimi

点击【YPhen聊码】同步更新,欢迎━(`∀´)ノ亻!来聊!!!

Elasticsearch(ES)的经典面试题及其答案 以下是一些Elasticsearch(ES)的经典面试题及其答案,结合高频考点和实际应用场景整理而成:以上问题覆盖了 Elasticsearch 的核心知识点,如需更深入的技术实现或源码分析,可进一步参考官方文档或相关书籍(如《Elasticsearch 权威指南》)。 阅读详情

相关推荐

ES面试题

Elasticsearch是一个分布式的、基于RESTful API的搜索引擎和分析引擎。它允许你快速存储、搜索和分析大量数据。Elasticsearch是用Java开发的,并且基于Lucene搜索引擎库构建。倒排索引是一种数据结构,它将词汇映射到包含该词汇的所有文档的列表。这种结构使得Elasticsearch能够快速地找到包含特定词汇的所有文档,从而实现高效的全文搜索。

Kenneth55的专栏 841

为什么说es是近实时搜索

在es内存和磁盘文件之间的文件系统缓存,es是先将新段写入文件系统缓存(万一这时程度挂了呢,数据还没有持久化呢,怎么保证数据的一致性),这一步就快了很多了,稍后在将数据刷到磁盘,新段一旦写入文件系统缓存,就可以被打开和读取了,这样es就实现了新段还没有提交完(es中有提交点的概念),就可以进行查询了。也就是只有refresh了数据才能被搜索到,refresh的间隔默认是一秒,理论上es可以保证写入的数据,一秒后是可以被搜索到的,所以说es是近实时搜索。将数据写到段里的时候,是如何保证磁盘io效率的?

asde1239的专栏 1733

小白指南:Elasticsearch 8.x 常见 es面试题及答案整理

深入解析Elasticsearch 8.x版本中的常见es面试题,涵盖核心概念与实战问题,帮助求职者掌握关键知识点,轻松应对技术面试中的搜索与数据分析难题。

weixin_35705784的博客 819

ES的近实时性是什么意思?原理是什么?

ES 的"近实时"(near real-time)是指当你往 ES 索引(Index)中插入、更新或删除文档时,这些变更几乎立刻就对用户可见和可查询。然而,它并不是真正的实时,因为 ES 采用了一些优化和缓冲机制,以提高性能和吞吐量。

天河书阁 - VicRestart 1732

19道ElasticSearch面试题(很全)

Elasticsearch是一个开源的高扩展的分布式全文检索引擎,它可以近乎实时地存储、检索数据。它使用Java开发,基于Lucene库,并通过RESTful API来简化全文搜索的过程。它支持多种数据类型,包括结构化数据和非结构化数据,如文本、数字和地理空间数据等。

a342874650的专栏 2135

Camera tuning flow相机调试流程

相机调试流程分为三大模块:ProcessRaw处理原始数据(黑电平校正、阴影校正),3A实现自动控制(曝光/对焦/白平衡),ISP进行图像精加工(伽马校正、锐化降噪、色彩处理)。三个阶段环环相扣,前阶段为后阶段提供基础,最终输出画质优良且风格化的图像。

weixin_64706696的博客 1231

ES的近实时性以及持久化

一、近实时性 ElasticSearch的搜索是近实时性的,简单来讲,就是说如果你新增一个文档,然后马上又发送一个查询该报文的请求,有可能得到空的结果。过一会再查,才能查到该文档。 可以理解成新增的索引还没那么快同步到索引中,这个同步的时间可以设置,默认是1秒。 为什么ES要这么设计呢?归根到底,还是出于性能的考虑。 这里先讲下ES中的一些基础概念,Shard(片)、Segment(段)、In-memory buffer(内存索引缓存区)。 ES中的文档,是被组织在一个个片中的,一个索引可..

Chris___的专栏 3212

从手机到单片机:聊聊ARM Cortex家族那些事,A、R、M系列到底有啥不同?

本文深入解析ARM Cortex家族的A、R、M三大系列处理器,揭示它们在性能、实时响应和能效方面的核心差异。从智能手机到汽车电子和物联网设备,Cortex-A、R、M各司其职,分别应对复杂运算、实时控制和超低功耗场景。通过技术指标对比和典型应用案例,帮助开发者理解如何根据DMIPS/MHz等关键参数选择适合的处理器架构。

weixin_31574149的博客 353

Elasticsearch 中的“近实时”(Near Real-time)全面解析

Elasticsearch(ES)作为一款流行的分布式搜索引擎,以其近实时(Near Real-Time, NRT)特性著称。这种特性使得ES能够在数据写入后极短的时间内(通常在毫秒至秒级别)使其可被搜索到,虽然不是绝对意义上的实时,但对于大多数应用而言已经足够接近实时,从而满足了对快速响应和数据更新即时可见性的需求。

专注于数据库技术分享,包含但不限于Oracle,MySQL,PostgreSQL,ElasticSearch及国产数据库等 2342

图文并茂把Ubuntu22.04安装到u盘,实现即插即用

1、刚好打算把Ubuntu安装到u盘,随便记录下整个过程。 2、前提准备:u盘(我的是16g大小),Vmware虚拟机,Ubuntu镜像文件(可以去官网下载); 3、下面记录全过程: 1、打开虚拟机,并选择创建新的虚拟机: 2、选典型: ​ ...

子非鱼 1万+

Geneformer实战指南:基于Hugging Face Transformers的基因序列分类模型解析

本文详细解析了基于Hugging Face Transformers的Geneformer模型在基因序列分类任务中的应用。通过介绍模型架构、数据处理流程和实战案例,帮助生物信息学研究者掌握这一前沿技术,实现高效的基因表达数据分析与分类。

weixin_28224217的博客 585

ES学习笔记(六):近实时搜索

近实时操作: 写入操作延时时间 = 主分片数据写入时间 + 并行写入副本的最大延时 在数据安全和数据延时之间,ES所做的妥协: 实时存储数据、实时读取数据的过程 首先在memory(内存)中建立索引,并在内存中写入Translog日志。后写入日志的原因是:数据在建立索引时,需要经过分词等一系列复杂的操作,有可能写入失败,为了保证日志中都是成功的数据,所以后写入。 索引建立分段的数据对象(segment) Segment会默认在1s内refresh 到OS Cache(内存缓冲区),此时,数据

Run_ning_的博客 569

SerDes学习笔记:接收机CTLE均衡架构示例(USB3.1、PCIe3.0\4.0\5.0)

本文分析了USB3.1和PCIe标准中连续时间线性均衡器(CTLE)的设计演进。USB3.1Gen1采用一阶CTLE,其传递函数在长信道下具有有源滤波器特性;Gen2版本延续类似架构,通过Adc参数调节零点频率。PCIeGen3/4保持一阶结构但调整极点位置,Gen5升级为二阶传递函数,扩展Adc调节范围至-5dB~-15dB。研究表明,CTLE能有效改善信号完整性,通过参数优化可平衡信号衰减与码间干扰抑制。

一只豌豆象的博客 629

ES面试题合集

本文介绍了搜索引擎ES,在平时的工作中广泛应用于日志分析、数据归档、大数据存储等

for62的博客 3708

【第1章>第9节】基于FPGA的图像开运算处理算法的Verilog实现

本文介绍了基于FPGA的开运算图像处理实现方法。主要内容包括:1)输入图像二值化处理,通过阈值将灰度图像转换为二值图像;2)数据缓存与窗口提取,使用寄存器数组缓存5行图像数据并构建5×5处理窗口;3)腐蚀运算逻辑,判断窗口内是否全为白色像素;4)膨胀运算逻辑,检测窗口内是否存在白色像素。最后给出了Verilog实现方案,通过级联腐蚀和膨胀模块完成开运算处理。该方法可用于FPGA图像处理算法开发。

MATLAB,verilog,python,opencv,tensorflow,caffe,C,C++ 316

C语言试题三之计算并输出 s=1+(1+2^(0.5))+(1+2^(0.5)+3^(0.5))+…+(1+2^(0.5)+3^(0.5)+…+n^(0.5))

1 、题目 计算并输出 s=1+(1+2^(0.5))+(1+2^(0.5)+3^(0.5))+…+(1+2^(0.5)+3^(0.5)+…+n^(0.5)) 2、部分函数说明 C 库函数 double pow(double x, double y) 返回 x 的 y 次幂。 3、源代码实现 #include <stdio.h> #include <...

码莎拉蒂 4611

30道你不得不会的Elasticsearch面试题【附答案解析】

前言 随着企业对近实时搜索的迫切需求,Elasticsearch 受到越来越多的关注,无论是阿里、腾讯、京东等互联网企业,还是平安、顺丰等传统企业都对 Elasticsearch 有广泛的使用,但是在 Elasticsearch 6.8 发布以前,大部分 Elasticsearch 功能都是付费的,开源版本的 Elasticsearch 在集群管控方面能力有限,鉴于此,通用的实施方案就是给 Elasticsearch 添加一层网关,从而实现对 Elasticsearch 的管控。 全套Java面试资料白嫖:

QLCZ0809的博客 2万+

【永磁同步电机】simulink永磁同步电机PMSM矢量控制【含Matlab源码 7372期】

simulink永磁同步电机PMSM矢量控制 完整的代码,方可运行;可提供运行操作视频!适合小白!

订阅付费专栏Matlab(奶茶价版),可赠送奶茶价版付费专栏指定代码1份; 1031

elasticsearch面试必考(亲身经历的问题)

作者:手留余香 | 转自:Java架构沉思录 | 原文 面试题 es 写入数据的工作原理是什么啊?es 查询数据的工作原理是什么啊?底层的 lucene 介绍一下呗?倒排索引了解吗? 面试官心理分析 问这个,其实面试官就是要看看你了解不了解 es 的一些基本原理,因为用 es 无非就是写入数据,搜索数据。你要是不明白你发起一个写入和搜索请求的时候,es 在干什么,...

abcd1101的专栏 13万+

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

Java最全【114期】ElasticSearch 搜索引擎常见面试题总结,mysql索引面试题

停顿词可以看成是没有意义的词,比如“的”、“而”,这类词没有必要建立索引我还为大家准备了一套体系化的架构师学习资料包以及BAT面试资料,供大家参考及学习已经将知识体系整理好(源码,笔记,PPT,学习视频)本文已被CODING开源项目:【一线大厂Java面试题解析+核心总结学习笔记+最新讲解视频+实战项目源码】收录需要这份系统化的资料的朋友,可以点击这里获取[外链图片转存中…(img-sTUtZPOo-1715329211333)]

2301_82257317的博客 963

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

阿里系ES面试题实战:从零实现

深入剖析阿里系ES面试题的核心考点,手把手带你从零实现关键功能,掌握分布式搜索与数据存储的底层逻辑,提升应对es面试题的实际能力。

weixin_28968525的博客 725

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

【114期】ElasticSearch 搜索引擎常见面试题总结

很多人感叹“学习无用”,实际上之所以产生无用论,是因为自己想要的与自己所学的匹配不上,这也就意味着自己学得远远不够。无论是学习还是工作,都应该有主动性,所以如果拥有大厂梦,那么就要自己努力去实现它。最后祝愿各位身体健康,顺利拿到心仪的offer!由于文章的篇幅有限,所以这次的蚂蚁金服和京东面试题答案整理在了PDF文档里《互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取!,所以如果拥有大厂梦,那么就要自己努力去实现它。

2401_84008929的博客 843

GO学习之 搜索引擎(ElasticSearch)

使用 Go 语言操作 ElasticSearch 具有高性能、并发性和易维护性等优势,适用于需要快速、高效处理大量数据的场景。不过,也需要根据项目需求和团队技术栈的考量来决定是否选择 Go 语言来操作 ElasticSearch。

qq_19283249的博客 2136

Elasticsearch 常见9道面试题及答案

答案Elasticsearch是一个基于pache Lucene构建的开源、分布式、RESTful搜索引擎。它提供了一个分布式、多租户能力的全文搜索引擎,具有 HTTP Web 界面和无模式 JSON 文档接口。Elasticsearch 被设计用于快速地存储、搜索和分析大量数据,广泛应用于日志分析、全文搜索、业务数据分析等领域。主要特点包括:分布式架构,支持水平扩展近实时(NRT)搜索能力多租户支持,通过索引隔离数据强大的全文搜索能力支持结构化查询和非结构化查询。

qq_64392336的博客 1298

Java面试-Spring Boot 整合 Elasticsearch:搜索功能实现

《Spring Boot整合Elasticsearch:搜索功能实现》是一篇针对Java开发者设计的实战指南,详细讲解如何通过Spring Data Elasticsearch快速集成Elasticsearch。文章从环境搭建(Docker部署)、核心概念(索引、分片、文档)入手,逐步演示CRUD操作、基础/高级搜索(匹配、模糊、范围查询)、搜索优化(高亮、分页)及聚合分析。通过商品搜索系统的完整案例,结合图文并茂的讲解和面试高频问题解析,帮助开发者掌握Elasticsearch的实战应

千淘万漉虽辛苦,吹尽狂沙始到金 2万+
上一篇: Linux安装Postgres,你学废了吗?
下一篇: ElasticSearch 的 Translog 到底有多安全?
YPhen
博客等级 码龄12年 470粉丝 88原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值
⌂ 换网址