本篇是ES系列的第二篇，继上次的理论篇ElasticSearch理论体系构建后，带来了实战篇。实战篇来自于我对常见操作以及场景的分析总结，详细到每个步骤和理由，下一篇将是性能优化篇。

本文致力于ElasticSearch理论体系构建，从基本概念和术语讲起，具体阐述了倒排索引和TransLog，接着讲了ElasticSearch的增删改查的流程和原理，最后讲了讲集群的选举和脑裂问题。

背景 在实际项目开发中，我们经常将Mysql作为业务数据库，ES作为查询数据库，用来实现读写分离，缓解Mysql数据库的查询压力，应对海量数据的复杂查询。 这其中有一个很重要的问题，就是如何实现Mys

在公司的实际业务场景中，初始化数据是个避不过去的话题。比如项目上线初期，将数据库的商品数据同步到搜索引擎 ElasticSearcgh 、缓存 Redis 或者其它的数据库。

优化功能: 统一检索能力，为各服务所调用。 压测环境：内网环境，过网关压测，压测链路：网关→后台服务。 一、优化初期 出现这样的情况，是意想之外的，考虑到，现有的压测环境，在之前已预估es集群资源规划

前言 随着大数据技术的发展，基于关系型数据库的查询无法满足庞大数据量下的秒级返回速度，es成为面试中的一项重要加分项。今天爆肝一波es相关八股文，供自己跳槽时复习参考，也跟大家分享一波。 基本概念 i

2020年以来内容标注结果搜索就是社区中后台业务的核心高频使用场景之一，为了支撑复杂的后台搜索，我们将社区内容的关键信息额外存了一份到Elasticsearch中作为二级索引使用。