分佈式搜索引擎的面試連環炮
- 倒排索引是什麼
- lucene 和 es 的前世今生
- es 的分佈式架構原理能說一下麼（es 是如何實現分佈式的啊）？
- es 寫入數據的工作原理是什麼啊？es 查詢數據的工作原理是什麼啊？底層的 lucene 介紹一下唄？倒排索引瞭解嗎？
- es 在數據量很大的情況下（數十億級別）如何提高查詢效率啊？
- es 生產集羣的部署架構是什麼？每個索引的數據量大概有多少？每個索引大概有多少個分片？
面試題
倒排索引是什麼？
倒排索引適用於快速的全文檢索，一個倒排索引由文檔中所有不重複詞的列表構成，對於其中每個詞，有一個包含它的文檔列表
例如：
假設文檔集合中包含五個文檔，每個文檔的內容如下所示，在圖中最左端一欄是每個文檔對應的編號，我們的任務就是對這個文檔集合建立倒排索引
中文和英文等語言不通，單詞之間沒有明確分割符號，所以首先要用分詞系統將文檔自動切分成單詞序列，這樣每個文檔就轉換爲由單詞序列構成的數據流，爲了系統後續處理方便，需要對每個不同的單詞賦予唯一的單詞編號，同時記錄下哪些文檔包含這個單詞，在如此處理結束後，我們就可以得到最簡單的倒排索引了
索引系統還可以記錄除此之外的更多信息，下圖是記錄了單詞出現的頻率（TF）即這個單詞在文檔中出現的次數，之所以要記錄這個信息，是因爲詞頻信息在搜索結果排序時，計算查詢和文檔相似度是很重要的一個計算因子，所以將其記錄在倒排列表中，以便後續排序時進行分值計算。
倒排列表還可以記錄單詞在某個文檔出現的位置信息
(1, <11>, 1), (2, <7>, 1), (3, <3, 9>, 2)
有了這個索引系統，搜索引擎可以很方便地響應用戶的查詢，比如用戶輸入查詢詞 "Facebook"，搜索系統查找倒排索引，從中可以讀出包含這個單詞的文檔，這些文檔就是提供給用戶的搜索結果，而利用單詞頻率信息，文檔頻率信息即可以對這些候選搜索結果進行排序，計算文檔和查詢的相似性，按照相似性得分由高到低排序輸出，此即爲搜索系統的部分內部流程。