1.ES有那些搜索方式？
Elasticsearch的搜索类型（SearchType类型）
1、 query and fetch
向索引的所有分片 （ shard）都发出查询请求， 各分片返回的时候把元素文档 （ document）和计算后的排名信息一起返回。
这种搜索方式是最快的。 因为相比下面的几种搜索方式， 这种查询方法只需要去 shard查询一次。 但是各个 shard 返回的结果的数量之和可能是用户要求的 size 的 n 倍。
优点：这种搜索方式是最快的。因为相比后面的几种es的搜索方式，这种查询方法只需要去shard查询一次。
缺点：返回的数据量不准确， 可能返回(N*分片数量)的数据并且数据排名也不准确，同时各个shard返回的结果的数量之和可能是用户要求的size的n倍。
2、 query then fetch（es 默认的搜索方式）
如果你搜索时， 没有指定搜索方式， 就是使用的这种搜索方式。 这种搜索方式， 大概分两个步骤：
第一步， 先向所有的 shard 发出请求， 各分片只返回文档 id(注意， 不包括文档 document)和排名相关的信息(也就是文档对应的分值)， 然后按照各分片返回的文档的分数进行重新排序和排名， 取前 size 个文档。
第二步， 根据文档 id 去相关的 shard 取 document。 这种方式返回的 document 数量与用户要求的大小是相等的。
优点：返回的数据量是准确的。
缺点：性能一般，并且数据排名不准确。
3、 DFS query and fetch
这种方式比第一种方式多了一个 DFS 步骤，可以更精确控制搜索打分和排名。也就是在进行查询之前，先对所有分片发送请求， 把所有分片中的词频和文档频率等打分依据全部汇总到一块，再执行后面的操作。
优点：数据排名准确
缺点：
性能一般
返回的数据量不准确， 可能返回(N*分片数量)的数据
4、 DFS query then fetch
比第 2 种方式多了一个 DFS 步骤。
也就是在进行查询之前， 先对所有分片发送请求， 把所有分片中的词频和文档频率等打分依据全部汇总到一块， 再执行后面的操作、
优点：
返回的数据量是准确的
数据排名准确
缺点：
性能最差【 这个最差只是表示在这四种查询方式中性能最慢， 也不至于不能忍受，如果对查询性能要求不是非常高， 而对查询准确度要求比较高的时候可以考虑这个】
2.DFS 是一个什么样的过程？
DFS 其实就是在进行真正的查询之前， 先把各个分片的词频率和文档频率收集一下， 然后进行词搜索的时候， 各分片依据全局的词频率和文档频率进行搜索和排名。 显然如果使用 DFS_QUERY_THEN_FETCH 这种查询方式， 效率是最低的，因为一个搜索， 可能要请求 3 次分片。 但， 使用 DFS 方法， 搜索精度是最高的。
3.性能方面总结一下？
从性能考虑 QUERY_AND_FETCH 是最快的， DFS_QUERY_THEN_FETCH 是最慢的。
从搜索的准确度来说， DFS 要比非 DFS 的准确度更高。
4.权衡问题思考？根据不同的需求--->定制化选择
1.ES的分片机制天生支持分布式，同时也带来了分布式了弊端：排序和算分问题；
想要精确的算分和排序--->需要大量的计算
2.kafka与ES面临相同的问题：kafka的单个分区内可以保证顺序性，分区之间是不能保证顺序性的
3.搜索的场景需要严格的定制化，通过对mapping的修改可以支持算分的调整，影响查询的结果-----代价是大大增加开发和mapping的维护成本
4.分布式的系统中路由算法的弊端：增加/删除节点时会有路由错误的问题（引发类似于缓存雪崩的场景）
对应的解决方案：如redis的一致性hash算法
ES同样面临类似的场景：每个index的主分片设置策略，动态分配会有大量的数据迁移，分配不合理又会影响性能
对此，ES的解决方案是：index建立好之后不允重新设置分片，需要重新设置需要reindex