罗罗编程学习记录
本页内容 展开查看

05.6.8 Elasticsearch 与 OpenSearch 向量检索

所属:全栈开发面试题库 / 05 数据库与存储 / 05.6 向量数据库与语义检索

覆盖范围

Elasticsearch 与 OpenSearch 在倒排索引、聚合与运维体系之上叠加 dense_vector 字段与 kNN 检索,适合“关键词 + 语义”一体化的场景。本域覆盖字段与查询、混合检索与过滤、集群运维与两个发行版的差异。

  • dense_vector 字段:维度、相似度、索引选项、element_type、半精度与量化
  • 查询形态:kNN 检索、script_score 精确检索、预过滤与后过滤的取舍
  • 混合检索:BM25 + kNN、RRF 融合、rerank、查询权重
  • 分片与性能:segment 级 HNSW、merge 与删除、force merge 的代价、内存与堆外
  • 集群运维:分片规划、副本、快照、ILM、慢查询与热点线程
  • OpenSearch 差异:k-NN 插件、算法支持、混合查询与版本行为
  • 集成:Spring Data Elasticsearch、Java/Python/Node 客户端、Spring AI 与 LangChain 接入

子主题

编号 子主题 核心内容 题数
05.6.8.1 dense_vector 与 kNN 查询 字段映射与类型、相似度函数、索引选项、kNN 查询语法、script_score 精确检索、预过滤与后过滤 48
05.6.8.2 混合检索 RRF 与过滤 BM25 与向量融合、RRF 公式与参数、加权与重排、语义过滤与聚合、Query DSL 组合 48
05.6.8.3 集群运维调优与版本差异 分片与 segment、merge 策略、内存与堆外、慢查询排查、ES 与 OpenSearch 能力差异、备份与升级 48

合计 144 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,编号在本章内唯一。

面试题索引

页编号 题号范围 主题 主要考点 题数
05.6.8.1 001-048 dense_vector 与 kNN 查询 字段映射、相似度、索引选项、kNN 语法、过滤时机 48
05.6.8.2 001-048 混合检索 RRF 与过滤 混合检索、RRF、权重、重排、过滤 48
05.6.8.3 001-048 集群运维调优与版本差异 分片与段合并、内存调优、慢查询、版本差异、备份升级 48

学习路径

dense_vector 与 kNN 查询
  → 混合检索 RRF 与过滤
  → 集群运维调优与版本差异

待整理清单

  • [ ] 按题目补齐官方文档链接与版本说明
  • [ ] 补充真实压测数据与线上指标(标注采集条件)
  • [ ] 校对参数默认值,无法确认的标注「待确认」并补验证方法
  • [ ] 与 05.5.2.5 通用算法题的交叉引用保持一致