九江哪里做网站网页视频下载提取器

1、ES中的​​​​​​​倒排索引是什么。

倒排索引，是通过分词策略，形成了词和文章的映射关系表，这种词典+映射表即为倒排索引

2、ES是如何实现master选举的。

选举过程主要包括以下几个步骤：

心跳检测：

每个节点都会定期向集群发送心跳信号，告诉其他节点它仍然存活。如果某个节点在一段时间内没有发送心跳信号，那么它就会被认为已经死亡，选举会重新开始。

候选者列表：

当有节点想要成为 master 节点时，它会将自己添加到候选者列表中。候选者列表中的节点数量可以根据配置进行调整。

投票：

当一个节点成为候选者后，它会向集群中的其他所有节点发送投票请求。每个节点在收到请求后，会根据一定的规则决定是否投票给这个候选者。投票规则通常会考虑节点的健康状况、存储的数据量、负载情况等因素。

选举结果：

如果某个候选者得到了超过半数的投票，那么它就会成为新的 master 节点。如果两个或更多的候选者得到了相同的票数，那么集群将会再次进行选举。

3、如何解决ES集群的脑裂问题。

产生脑裂的可能原因：

网络问题：

 集群间的网络延迟导致一些节点访问不到 master，认为 master 挂掉了从而选举出新的master，并对 master 上的分片和副本标红，分配新的主分片。

节点负载：

主节点的角色既为 master 又为 data，访问量较大时可能会导致 ES 停止响应造成大面积延迟，此时其他节点得不到主节点的响应认为主节点挂掉了，会重新选取主节点。

内存回收：

data 节点上的 ES 进程占用的内存较大，引发 JVM 的大规模内存回收，造成 ES 进程失去响应。

解决方案：

减少误判：        

discovery.zen.ping_timeout 节点状态的响应时间，默认为 3s，可以适当调大，如果 master在该响应时间的范围内没有做出响应应答，判断该节点已经挂掉了。调大参数（如 6s，discovery.zen.ping_timeout:6），可适当减少误判。

选举触发:

 discovery.zen.minimum_master_nodes:1，该参数是用于控制选举行为发生的最小集群主节点数量。当备选主节点的个数大于等于该参数的值，且备选主节点中有该参数个节点认为主节点挂了，进行选举。官方建议为（n/2）+1，n 为主节点个数（即有资格成为主节点的节点个数）

角色分离：    

即 master 节点与 data 节点分离，限制角色

4、索引创建过程

官网图如下

第一步：客户写集群某节点写入数据，发送请求。（如果没有指定路由/协调节点，请求的节点扮演路由节点的角色。）

第二步：节点1接受到请求后，使用文档_id来确定文档属于分片0。请求会被转到另外的节点，假定节点3。因此分片0的主分片分配到节点3上。

第三步：节点3在主分片上执行写操作，如果成功，则将请求并行转发到节点1和节点2的副本分片上，等待结果返回。所有的副本分片都报告成功，节点3将向协调节点（节点1）报告成功，节点1向请求客户端报告写入成功。

5、怎么保证读写的一致性

es怎么保证写的一致性

Elasticsearch（ES）保证写入一致性的方法主要依赖于其内置的一致性模型和配置。以下是一些关键点：

一致性级别：

ES 允许你设置索引的一致性级别，可以是 quorum（大多数节点可用）、one（单个节点可用）、all（所有节点可用）。

复制机制：

通过设置索引的复制分片策略，可以控制数据是被复制到多个节点上，以确保在某个节点失败时数据不丢失。

事务日志：

ES 在写入数据之前会先写入一个事务日志，确保即使数据节点失败，也能基于事务日志进行数据恢复。

文档版本控制：

ES 使用文档版本来保证写入的一致性，当你更新文档时，如果版本号匹配，则允许操作；否则，拒绝操作。

QUORUM 写入：

在执行写入操作时，只有大多数分片可用，操作才会成功。

6、更新和删除文档的过程

6.1、 删除和更新也都是写操作，但是Elasticsearch中的文档是不可变的，因此不能被删除或者改动以展示其变更；

6.2、 磁盘上的每个段都有一个相应的.del文件。当删除请求发送后，文档并没有真的被删除，而是在.del文件中被标记为删除。该文档依然能匹配查询，但是会在结果中被过滤掉。当段合并时，在.del文件中被标记为删除的文档将不会被写入新段。

6.3、 在新的文档被创建时，Elasticsearch会为该文档指定一个版本号，当执行更新时，旧版本的文档在.del文件中被标记为删除，新版本的文档被索引到一个新段。旧版本的文档依然能匹配查询，但是会在结果中被过滤掉。

7、分词器的类型

7.1、Standard Analyzer

标准分析器是默认分词器，如果未指定，则使用该分词器。

它基于Unicode文本分割算法，适用于大多数语言。

7.2、Whitespace Analyzer

基于空格字符切词。

7.3、Stop Analyzer

在simple Analyzer的基础上，移除停用词。

7.4、Keyword Analyzer

不切词，将输入的整个串一起返回。

7.5、自定义分词器

自定义分词器的在Mapping的Setting部分设置：

PUT my_custom_index { "settings":{ "analysis":{ "char_filter":{}, "tokenizer":{}, "filter":{}, "analyzer":{} } } }

脑海中还是上面的三部分组成的图示。其中：

“char_filter”:{},——对应字符过滤部分；

“tokenizer”:{},——对应文本切分为分词部分；

“filter”:{},——对应分词后再过滤部分；

“analyzer”:{}——对应分词器组成部分，其中会包含：1. 2. 3