罗罗编程学习记录
本页内容 展开查看

05.5.2 文档、搜索与向量存储

所属:全栈开发面试题库 / 05 数据库与存储 / 05.5 NoSQL 与专用存储

这个知识域解决什么问题

本域覆盖三类专用存储:MongoDB(文档模型 + 副本集 + 分片)、Elasticsearch(倒排索引 + 分布式搜索)、向量数据库(ANN 索引 + 语义召回)。三者都不是关系型主库的替代品,而是按数据形态与查询模式补位;面试重点是建模取舍、分布式机制,以及召回率、延迟、成本之间的权衡。

知识地图

MongoDB
  文档(BSON / 嵌套 / 数组)→ 嵌入 vs 引用建模 → 索引(单键/复合/多键/TTL/文本/地理)
  副本集:primary/secondary + oplog + 选举 + 写关注/读偏好
  分片集群:mongos + config server + shard,片键、chunk、balancer

Elasticsearch
  倒排索引:词项 → posting list;分析器:char filter → tokenizer → token filter
  写入:文档 → segment(不可变)→ refresh 近实时 → flush + translog → merge
  集群:主分片/副本、路由、健康状态、水位线、ILM

向量数据库
  embedding 向量 → 相似度度量(余弦/L2/内积)→ ANN 索引(IVF / HNSW)→ 量化压缩
  召回率 recall@k 与 P99 延迟权衡;标量过滤;向量 + 关键词混合检索(RRF)

子主题

编号 子主题 核心内容 题目数
05.5.2.1 MongoDB 文档模型与索引 BSON 建模、嵌入/引用、索引类型与选择性、聚合管道、事务边界、选型 18
05.5.2.2 MongoDB 副本集与分片 oplog、选举、写关注/读偏好、mongos/config/shard、片键、chunk 与迁移 18
05.5.2.3 Elasticsearch 倒排索引与查询流程 倒排结构、分析器、segment/refresh/flush/merge、打分、bool 查询、深分页 18
05.5.2.4 Elasticsearch 分片副本与集群运维 分片规划、写入路由、健康状态、节点角色、水位线、备份快照、ILM 18
05.5.2.5 向量库索引算法与召回权衡 相似度度量、IVF、HNSW、量化、过滤检索、召回评估、混合检索与 RAG 18

合计 90 题。 每题按「一句话结论 → 概念解释 → 原理流程 → 代码/命令 → 常见误区 → 追问(带答案)」组织。

学习路径

MongoDB 建模与索引(1)
  → MongoDB 副本集与分片(2)
    → ES 倒排原理与查询(3)
      → ES 分片与运维(4)
        → 向量索引与召回权衡(5)

自检清单

  • [ ] 能根据一对一/一对多关系判断嵌入还是引用,说清反范式代价
  • [ ] 能列出 MongoDB 主要索引类型,用 explain 判断是否走索引
  • [ ] 能解释 oplog、选举、写关注 majority 与读偏好的含义
  • [ ] 能说明片键选择原则,识别热点片键与跳跃片键
  • [ ] 能画出倒排索引结构,复述文档从写入到可搜索的完整流程
  • [ ] 能区分 refresh、flush、merge,解释近实时与 translog 的作用
  • [ ] 能规划主分片/副本数量,解释 green/yellow/red 与磁盘水位线
  • [ ] 能对比 IVF 与 HNSW 的构建、查询、内存与召回特征
  • [ ] 能结合 recall@k、P99 延迟、过滤需求与更新频率做向量库选型