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