ElasticSearch 学习记录之ES如何操作Lucene段

近实时搜索

• 提交（Commiting）一个新的段到磁盘需要一个 fsync 来确保段被物理性地写入磁盘，这样在断电的时候就不会丢失数据。但是每次提交的一个新的段都fsync 这样操作代价过大。可以使用下面这种更轻量的方式
• 在内存缓冲区中包含了新文档的 Lucene 索引

  • 

  • Lucene 允许新段被写入和打开--使其包含的文档在未进行一次完整提交时便对搜索可见
• 缓冲区的内容已经被写入一个可被搜索的段中，但还没有进行提交

  • 

  • 这里新段会被先写入到文件系统缓存--这一步代价会比较低，稍后再被刷新到磁盘--这一步代价比较高
• 默认情况下每个分片会每秒自动刷新一次
  • 近 实时搜索: 文档的变化并不是立即对搜索可见，但会在一秒之内变为可见
  • POST /_refresh // 刷新Refresh 所有的索引
  • POST /blogs/_refresh // 只刷新Refresh blogs 索引
    
    可以在settings 设置对定时刷新频率的大小

  PUT /my_logs
  
  {
  
  "settings": {
  
  "refresh_interval": "30s" //30秒刷新一次
  
  "refresh_interval": "-1" //关闭自动刷新
  
  "refresh_interval": "1s"//每秒自动刷新
  
  }
  
  }

  持久化变更

  在没有 fsync 把数据从内存刷新到硬盘中，我们不能保证数据在断电或程序退出时之后依然存在

• 即时每秒刷新，也不能实现近实时搜索。我们任然有另外的方法确保从失败中回复数据
• ES 增加一个translog，或者叫做事务日志。在每次操作是均进行日志记录
• 整个流程是如下的操作

  1. 一个文档被索引之后，就会被添加到内存缓冲区，并且 追加到了 translog
     
     -

  2. 刷新（refresh）使分片处于缓存被清空，但是事务日志不会的状态
     • 内存缓冲区的文档被写入新的段中，但是没有进行fsync
     • 段被打开，且可被搜索到
     • 内存缓冲区被清空
     • 
  3. 进程继续进行，更多的文档被添加到内存缓冲区和追加的事务日志中
     • 

  4. 每隔一段时间，translog太大 或 索引被刷新。一个新的translog被创建，并且被全量提交
     
     -

     • 所有内存缓冲区的文档都被写入一个新的段中
     • 缓冲区内清空
     • 一个提交点被写入硬盘
     • 文件系统缓存通过fsync被刷新
     • 老的translog 被删除
• translog 提供所有没有被刷新到磁盘操作的一个持久化记录。当ES启动时，会根据最后一个提交点去恢复已知的段
• translog 也可供用来提供实时的CRUD。但我们进行一些CRUD操作时，它会首先检查translog任何最近的变更。
• flush API 执行一次提交，并截断translog的操作
  • 分片默认每30M自动flush一次。translog太大也会自动flush

  • 可通过自己执行flush API操作

    POST /blogs/_flush //刷新索引

    POST /_flush?wait_for_ongoing //刷新索引并等待所有的刷新结果返回

段合并

• 段合并的时候会将那些旧的已删除的文档从文件系统中删除，被删除或者被更新的文档不会被复制到新的大段中

• 段合并的流程
  
  -

  • 当索引的时候，刷新（refresh）操作会创建新的段
  • 合并的时候会选择一部分大小相似的段，并且将其合并到更大的段中
  • 段的合并结束，老的段就要被删除
• optimized API 的作用
  • optimize API大可看做是 强制合并 API 。