Elasticsearch 实战笔试试题（含详细答案）

Elasticsearch实战笔试试题（含详细答案）适用场景：后端开发、大数据检索、运维岗位笔试/面试难易程度：中等（覆盖基础+核心原理+实战优化）答题说明：满分100分，答题时间90分钟一、单项选择题（共10题，每题3分，共30分）1.以下关于Elasticsearch核心特性的描述，错误的是（）A.基于Lucene开发的分布式全文搜索引擎B.支持实时数据检索，写入数据后可立即查询C.属于关系型数据库，支持完整事务ACIDD.支持水平扩容，集群架构高可用2.Elasticsearch7.x版本之后，默认的分片配置是（）A.5个主分片，1个副本分片B.1个主分片，1个副本分片C.3个主分片，0个副本分片D.自定义分片，无默认配置3.下列哪种查询属于精确匹配，不会对文本进行分词（）A.matchB.termC.multi_matchD.query_string4.Elasticsearch中负责集群管理、分片分配、节点协调的角色是（）A.数据节点（datanode）B.主节点（masternode）C.客户端节点（clientnode）D.ingest节点5.关于倒排索引的说法，正确的是（）A.倒排索引是按文档ID存储关键词B.倒排索引是关键词映射到文档ID，是ES检索高效的核心C.正排索引和倒排索引无区别D.倒排索引不支持分词检索6.ES中刷新缓冲区、将内存数据写入文件缓存的操作是（）A.flushB.refreshC.mergeD.snapshot7.以下哪种场景不适合使用Elasticsearch（）A.商品全文检索、日志检索分析B.海量数据模糊匹配、高亮查询C.高频更新、强事务的金融交易数据存储D.系统日志、运维审计数据检索8.ES集群中，副本分片的主要作用是（）A.提升数据写入速度B.数据容灾备份，分担查询压力C.减少磁盘占用D.优化分词效果9.关键字must、should、must_not属于哪种查询语法（）A.精确查询B.模糊查询C.bool布尔查询D.聚合查询10.ES中用于统计、分组、求和、求平均值的核心功能是（）A.高亮查询B.聚合查询（aggregation）C.分页查询D.模糊查询二、填空题（共5题，每题4分，共20分）1.Elasticsearch的数据存储最小单元是________，多个分片组成________。2.ES文档写入流程：内存缓冲区写入→________→生成可检索文档→________落地磁盘。3.布尔查询中，________条件必须满足、参与分值计算；________条件不满足直接过滤数据。4.ES分页查询中，from+size分页深度过大会出现________问题，生产环境常用________替代解决。5.文本类型字段常用________类型（支持分词检索），精确字段（手机号、ID）常用________类型。三、简答题（共4题，每题8分，共32分）1.简述Elasticsearch中refresh和flush的区别，以及生产环境的调优思路。2.详细说明ES主分片和副本分片的核心区别，以及副本分片数量的配置原则。3.解释match查询和term查询的底层区别，以及各自的适用业务场景。4.简述ES深分页（from/size）性能极差的原因，以及对应的解决方案。四、实操分析题（共1题，18分）某电商项目使用ES存储商品数据，线上出现问题：1.商品标题检索模糊、匹配不准；2.数据写入频繁，CPU占用过高；3.首页分页查询深度较大，接口响应缓慢。问题：请分析以上三个问题的可能原因，并给出对应的生产级解决方案。完整详细答案一、单项选择题答案及解析1.C解析：ES是非结构化的分布式搜索引擎，不支持完整ACID事务，仅支持单文档原子性，不能替代MySQL等关系型数据库。2.B解析：ES7.x彻底废弃默认5主分片配置，新版本默认1主1副本，同时去除了type概念，一个索引仅含一种文档类型。3.B解析：term为精确匹配，不对搜索关键词分词；match会对关键词分词后匹配，适用于全文检索场景。4.B解析：主节点专职负责集群元数据管理、节点监控、分片分配，不承担数据读写任务，保证集群稳定。5.B解析：倒排索引核心逻辑：关键词→文档ID，检索时通过关键词快速定位对应文档，是ES检索速度快的核心原因。6.B解析：refresh：内存数据写入文件缓存，数据可被检索；flush：将缓存数据持久化落地磁盘，生成段文件。7.C解析：ES无强事务、无锁机制，不适合高频更新、需要事务一致性的金融交易场景，该场景必须用关系型数据库。8.B解析：副本分片不参与写入主流程，主要作用是数据备份防止丢数，同时分担读请求压力，提升查询并发能力。9.C解析：must、should、must_not、filter是bool查询四大核心条件，用于组合复杂检索条件。10.B解析：聚合查询（aggs）是ES用于数据统计分析的核心功能，支持分组、求和、最值、均值、直方图等统计场景。二、填空题答案1.分片（shard）、索引（index）2.refresh（刷新）、flush（持久化）3.must、must_not4.深度分页性能瓶颈、scroll/search_after5.text、keyword三、简答题详细答案1.refresh和flush的区别及调优思路核心区别：①refresh：将内存缓冲区的数据写入操作系统文件缓存，数据可被检索，但未落地磁盘，默认1秒执行一次，是ES近实时检索的核心；②flush：将文件缓存中的数据强制持久化到磁盘，生成完整索引段文件，清空事务日志，保证数据不丢失，执行频率远低于refresh。生产调优：高写入场景（日志、海量数据）：调大refresh间隔（5s/10s），减少频繁刷新带来的CPU开销；实时业务场景（商品、订单检索）：保留默认1s刷新，保证数据实时可见；禁止手动频繁执行flush，由ES自动调度即可。2.主分片与副本分片区别及配置原则核心区别：①主分片：索引写入、更新、删除的唯一分片，所有写请求必须经过主分片，再同步到副本分片；主分片数量创建索引后不可修改；②副本分片：主分片的备份，不处理写主请求，仅同步主分片数据；副本分片数量可随时动态修改；读写分离，分担查询压力。配置原则：①副本分片数不能大于集群可用节点数，否则会出现分片无法分配的问题；②生产环境至少配置1个副本，防止单节点宕机数据丢失；③读写并发高的集群，可适当增加副本数提升查询并发；写入极高的场景，可临时降低副本数减少同步压力。3.match与term查询区别及适用场景底层区别：①match查询：会先对搜索关键词进行分词，再去倒排索引匹配，支持模糊、全文匹配，会计算相关性分值；②term查询：无分词、精确完整匹配，直接用关键词匹配索引数据，不计算分值，仅精准命中。业务场景：match：商品标题、内容、文章正文等全文检索、模糊搜索场景；term：手机号、身份证、订单号、状态码、分类ID等精确筛选场景。4.ES深分页性能问题及解决方案性能差的原因：ES分布式架构下，from+size分页时，需要在所有分片查询出from+size条数据，聚合排序后再截取指定数据。分页越深（from越大），需要加载、排序、丢弃的数据越多，内存和CPU开销呈指数级增长，深度分页会直接导致接口超时、集群卡顿。解决方案：①轻度分页（前1000条）：正常使用from+size，限制最大分页深度；②海量深分页、数据导出场景：使用scroll滚动查询，基于游标遍历全量数据；③移动端/前端分页（无限滚动）：使用search_after，基于排序字段游标分页，无深度瓶颈，性能最优（生产首选）。四、实操分析题详细答案问题1：商品标题检索模糊、匹配不准可能原因：1.字段类型配置错误，商品标题未设置text分词类型，或使用了默认分词器，中文分词效果差；2.查询语法错误，全文检索使用了term精确匹配，无法分词模糊命中；3.未配置合适的中文分词器（ik分词器），默认标准分词器对中文单字拆分，匹配混乱。解决方案：重建索引，标题字段设置text类型，集成IK分词器（ik_max_word细粒度分词）；统一使用match查询做全文检索，精确筛选字段使用keyword类型+term查询。问题2：数据写入频繁，CPU占用过高可能原因：1.默认refresh=1s，高频写入场景频繁刷新索引，产生大量小索引段，触发频繁段合并；2.单次写入数据量过小，大量单条写入请求，网络和IO开销大；3.副本分片数过多，主从数据同步压力大。解决方案：高写入时段调大refresh刷新间隔；使用bulk批量写入替代单条写入；合理调低副本数，避开业务高峰执行段合并，优化集群线程池参数。问题3：深分页查