elasticSearch5-原理解析

一：近实时搜索原理

先认识几个基本概念：

1、segment

es基本存储单元是shard，index分散在多个shard上。 而每个shard由多个段-segment组成，每次创建一个新Document(一条新数据)，就会归属于一个新的segment。 删除数据时，也不会直接删除当前segment，只是标记为已删除状态，后续在合适时机删除。

2、translog

操作日志，用来记录操作动作，防止数据丢失。 每个shard中对应一个translog文件。

3、commit

提交，意味着将多个segment，合并成新的更大的segment，并刷入磁盘。

4、refresh

es索引数据时，先是写入到内存buffer中，默认1s执行一次refresh操作，刷新到一个新的segment中，在segment中数据才具备被检索的结构，才能被查询。当写入segment后，会清空内存buffer。 所以近实时搜索通常指的是： 写入数据1s后才能被检索。

当然，可以改变默认时长（时长为-1代表关闭刷新）：

PUT /mytest/_settings 
{
  "refresh_interval": "20s"
}

或者直接调用refresh的api：

POST /_refresh    刷新所有索引

POST /mytest/_refresh     刷新某个索引

PUT /mytest/_doc/1?refresh=true      //刷新具体文档数据
{
  "test": "test"
}

5、flush

数据清洗，将内存缓冲区、segments中、translog等全部刷盘，成功后清空原数据和translog。

默认每30分钟执行一次，或者translog变大超过设定值后触发。

commit需要一个fsync同步操作来保证数据物理的被成功刷盘，假如每一个写操作都这样，那么性能会大大下降。 es在内存buffer与磁盘之间，引入了文件系统缓存。 refresh将数据刷到新的segment，这些segment其实是先存在于文件系统缓存，后续再刷盘。

整体流程：

 当es收到写请求后，数据暂时写入内存buffer，并添加translog。默认1s后，refresh数据到file system cache，并清空内存buffer。 30分钟后，执行flush刷数据到磁盘（tanslog大小超过设定阈值也会执行flush）。

分片默认会30分钟执行一次flush，也可手动调用api:

POST /mytest/_flush        刷新某一个索引

POST /_flush?wait_for_ongoin         刷新所有索引直到成功后返回

（手动调用flush情况很少，不过要关闭索引或者重启节点时，最好执行一下。因为es恢复索引或者重新打开索引时，它必须要先把translog里面的所有操作给恢复，所以也就是说translog越小，recovery恢复操作就越快）

上面说了数据的流程，现在看看translog是如何工作的？

当数据被refresh期间，新的操作日志会继续追加到translog，默认每次写请求（如 index, delete, update, bulk）都会刷盘。 这样会有很大的性能问题，所以如果能容忍5s内的数据丢失情况，还是使用每5s异步刷盘的方式。

配置如下：

PUT /mytest/_settings 
{
  "index.translog.durability": "async",
  "index.translog.sync_interval": "5s"
}

要保证完全可靠，还是使用默认配置：

PUT /mytest/_settings 
{
  "index.translog.durability": "request"
}

流程图： 

二： 段合并机制 

 在索引数据过程中，每一次的refresh都会创建新的segment，数量会越来越多，影响内存和CPU运行，查询也会在多个段中，影响性能。

所以，es会使用