1. 對ES的倒排索引了解多少？工作原理？如何提高其查詢效率？
2. 了解MySQL中的事務嗎？它的ACID特性指的是什么？
3. 簡述數據倉庫中“維度”和“事實”表的區(qū)別及其作用
4. 構建數倉的模型有哪些？展開講講。
5. HDFS 的寫數據流程是怎樣的？如果一個 DN在寫入過程中發(fā)生故障，Hadoop 會如何處理？

（1）http://fangfengwang8.cn/discuss/738791848554086400

（2）http://fangfengwang8.cn/discuss/739079633773023232

對ES的倒排索引了解多少？工作原理？如何提高其查詢效率？

Elasticsearch 使用的是倒排索引（Inverted Index），這是實現全文檢索的核心機制。其原理是：將每個文檔中的字段內容進行分詞處理，然后為每個詞項建立一個詞典（term），記錄該詞在哪些文檔（文檔 ID）中出現，以及出現的位置和頻率。這樣查詢時不是遍歷每個文檔去找關鍵詞，而是直接查詞典獲取相關文檔列表，極大提升了檢索效率。為了進一步提高查詢性能，可以采取多種優(yōu)化手段：一是合理設置字段類型和分詞器，減少無效字段的索引；二是使用 keyword 類型字段做精確匹配，避免不必要的全文分詞；三是通過設置合適的 filter 緩存結果、避免重復計算；四是開啟 doc_values 支持聚合、排序等操作，減少內存消耗；五是避免過度嵌套結構，必要時使用 flattened 或 join 優(yōu)化文檔結構。此外，合理的索引設計、分片分配和冷熱數據分離也是保障查詢效率的重要手段。

了解MySQL中的事務嗎？它的ACID特性指的是什么？

MySQL 中的事務是指一組操作的集合，要么全部執(zhí)行成功，要么全部回滾撤銷，常用于保證數據的一致性與完整性。事務具有四大特性，也就是 ACID：原子性（Atomicity） 指事務中的操作要么全部完成，要么全部不做，出現錯誤可以回滾；一致性（Consistency） 保證事務執(zhí)行前后數據都滿足數據庫的約束規(guī)則，不會出現破壞數據邏輯的狀態(tài)；隔離性（Isolation） 表示多個事務并發(fā)執(zhí)行時互不干擾，常見的隔離級別包括讀未提交、讀已提交、可重復讀、串行化；持久性（Durability） 指事務一旦提交，對數據的修改就是永久性的，即使系統(tǒng)宕機也不會丟失。MySQL 中默認使用 InnoDB 引擎來支持事務，其通過 redo log、undo log 和鎖機制來實現對 ACID 的保障。

簡述數據倉庫中“維度”和“事實”表的區(qū)別及其作用

在數據倉庫中，維度表和事實表是構建星型或雪花模型的核心組成部分。事實表（Fact Table） 用于存儲與業(yè)務事件相關的度量值或指標數據，例如訂單金額、銷售數量等，通常數據量大，記錄的是“發(fā)生了什么”；而 維度表（Dimension Table） 則存儲描述事實的維度信息，比如時間、地區(qū)、產品、用戶等，是對事實的多角度分析視角。二者的主要區(qū)別在于：事實表關注“數值和業(yè)務行為”，維度表關注“描述和分類信息”；事實表一般包含外鍵關聯多個維度表，而維度表一般數據量小但字段豐富，便于查詢和篩選。在實際應用中，通過維度表可以對事實表的數據進行分組、聚合、切片和鉆取，是實現多維分析（OLAP）的基礎。

構建數倉的模型有哪些？展開講講。

構建數倉的常見模型主要包括星型模型、雪花模型和事實星座模型。星型模型是最常用的一種，其特點是一個中心事實表直接連接多個維度表，結構簡單、查詢高效，適合于查詢頻繁、維度較少的場景；雪花模型是在星型模型基礎上對維度表進一步規(guī)范化，將維度表拆分為多個層級子表，形成樹狀結構，減少冗余、節(jié)省存儲，但查詢時關聯復雜、效率較低；事實星座模型（也叫復合星型模型）是多個事實表共享維度表的結構，適用于存在多個業(yè)務過程（如訂單、支付、退貨等）且共享維度的復雜分析需求。選擇哪種模型需根據業(yè)務需求、數據復雜度和查詢性能權衡，實際開發(fā)中也常采用分層建模（ODS、DWD、DWS、ADS）與上述模型相結合，實現數據的穩(wěn)定、復用與靈活分析。

HDFS 的寫數據流程是怎樣的？如果一個 DN在寫入過程中發(fā)生故障，Hadoop 會如何處理？

?HDFS 中的寫數據流程從客戶端開始，首先客戶端向 NameNode 請求文件寫入權限。NameNode 確認文件不存在后，將文件寫入的權限以及負責存儲數據塊的 DataNode 信息返回給客戶端?？蛻舳巳缓髸c DataNode 建立連接，并通過一個個數據塊的方式進行寫入。每個數據塊（Block）會按照一定的副本策略（默認三個副本）分配到多個 DataNode 上。客戶端向每個 DataNode 傳輸數據時，會將數據寫入第一個數據塊，完成后接著寫第二個、第三個，以此類推。如果在寫入過程中，某個 DataNode 發(fā)生故障，NameNode 會根據副本機制將數據復制到其他健康的 DataNode 上，確保數據不會丟失。通過心跳機制和副本機制，DataNode 故障會被檢測到，并且數據會自動恢復到最新副本。故障發(fā)生時，HDFS 會根據剩余副本的數據恢復丟失的部分。

1、Client通過Distributed FileSystem模塊向NN請求上傳文件，NN檢查目標文件是否已存在，父目錄是否存在
2、NN返回是否可以上傳
3、Client請求第一個block上傳哪幾個DN服務器上
4、NN返回3個DN節(jié)點，分別為DN1、DN2、DN3
5、Client通過FSDataOutputStream模塊請求DN1建立傳輸通道，DN1收到請求會繼續(xù)調用DN2,DN2繼續(xù)調用DN3
6、DN3應答DN2，DN2應答DN1，DN1應答Client
7、Client開始往DN1上傳第一個block(先讀取數據放到一個本地磁盤緩存)，以packet為單位，DN1收到一個packet就會上傳給DN2,DN2傳給DN3；DN1每傳一個packet會放入到一個應答隊列等待應答
8、當一個block傳輸完成后，Client會再次請求NN上傳第二個block的服務器，重復執(zhí)行3-7

引自：https://github.com/GTyingzi/BigDATA/blob/main/%E5%A4%A7%E6%95%B0%E6%8D%AE%E6%A1%86%E6%9E%B6/Hadoop.md#hdfs%E5%86%99%E6%B5%81%E7%A8%8B

#?？虯I配圖神器#