电子商务网站开发实例做英文网站哪里好

引言

在现代分布式搜索引擎Elasticsearch中，文档的索引、更新和删除操作不仅是用户交互的核心入口，更是底层存储架构设计的关键挑战。本文围绕以下核心链路展开：

1. 文档生命周期管理：从客户端请求路由到分片定位，从内存缓冲区（Buffer）到事务日志（Translog）的双重写入机制，揭示数据持久化的完整路径；
2. 实时性与可靠性平衡：通过剖析Translog同步/异步刷盘策略、内存缓冲区刷新（Refresh）与持久化刷盘（Flush）的触发逻辑，解读搜索可见性与故障恢复的底层保障；
3. Lucene段合并优化：深入对比分层合并（TieredMergePolicy）、字节大小合并（LogByteSizeMergePolicy）和文档数量合并（LogDocMergePolicy）等策略，探讨如何通过段合并提升查询效率、释放磁盘空间并优化I/O负载。

通过系统性梳理，本文将为开发者提供从API操作到底层存储的全视角技术图谱，助力高性能搜索服务的设计与调优。

索引文档的过程

索引文档：将新的文档添加到索引中或者覆盖已经存在的文档。

并非只有协调节点可能进行数据转发，可以将请求发送到任何一个数据节点，该节点都可以处理请求或将请求转发给适当的节点以完成请求处理。

1. 客户端向 Node 1 （任意一个节点）发送新建、覆盖请求。
2. 节点使用文档ID（文档ID可以人工指定，不指定将自动创建唯一值） 确定文档属于分片 0（hash(_id)%number_of_primary_shards） 。请求会被转发到 Node 3，因为分片 0 的主分片目前被分配在 Node 3 上。
3. Node 3 写入操作不仅保存在内存缓冲区中，同时也被记录到事务日志（Translog）中。Translog是一个位于磁盘上的追加日志，它记录了所有对索引的更改，以确保在发生故障时能够恢复数据。
4. 当内存缓冲区达到一定大小，或者Translog达到一定大小时。Flush操作会将内存缓冲区中的数据以及Translog中的更改持久化到磁盘上的Lucene索引文件的Segment中，并且会清空旧的Translog。

number_of_primary_shards：索引的主分片数量。

更新和删除文档的过程

1. 客户端向任意节点发送更新、删除请求，协调节点并根据文档ID确定要更新的分片（Shard），将请求转发到分片的主节点上。
2. 主分片会创建一个新的文档，保留相同的文档ID和一个更高的版本号。同时在段对应的.del文件中记录旧版本的文档。（更新文档）
3. 在段对应的.del文件中记录旧版本的文档。（删除文档）
4. 修改操作不仅保存在内存缓冲区中，同时也被记录到事务日志（Translog）中。Translog是一个位于磁盘上的追加日志，它记录了所有对索引的更改，以确保在发生故障时能够恢复数据。
5. 当内存缓冲区达到一定大小，或者Translog达到一定大小时。Flush操作会将内存缓冲区中的数据以及Translog中的更改持久化到磁盘上的Lucene索引文件的Segment中，并且会清空旧的Translog。
6. 废弃的文档由后台线程在段合并阶段进行删除，释放磁盘空间。

Translog刷盘（Flush）时机

Translog的刷盘：是指将Translog内存中的数据写入到Translog日志中（磁盘）。

Translog的刷盘方式有两种：同步（request）和异步（async），index.translog.durability为request表示同步（默认同步），为async表示异步。

同步方式：意味着每次写操作之后会立即将 Translog 刷新到磁盘。

异步方式：可以通过index.translog.sync_interval（默认5s），当达到配置值时触发刷盘。

Lucene中的段（Segment）

Segment是物理日志，而TransLog是逻辑日志，在Lucene中，每当有新的文档被添加时，数据首先写入内存缓冲区（buffer）。当缓冲区达到一定大小或满足特定条件时，数据会被刷新到磁盘，形成一个新的段。这个初始段的大小依赖于缓冲区的大小和写入的文档数量。多个索引的修改都会被分开写入多个段中。

Lucene中的段生成

只有生成Luence段之后，才能被搜索到。

refresh操作：index.refresh_interval（默认1s），可以适当调大例如30s。定时将内存缓冲区数据写入到新的Lucene段文件中，不会清空translog。

flush操作：当translog大小达到index.translog.flush_threshold_size（默认512m），会将translog中的数据写入到磁盘上的 Lucene 段文件中，并创建一个新的 translog 文件，并清空旧的translog。

Lucene中的段合并

段合并的好处

1. 提高查询效率：多个小段可能导致查询时需要访问多个索引文件，使查询效率降低。合并段可以减少段的数量，从而减少查询过程中需要读取的文件，提高查询速度。
2. 释放磁盘空间：删除文档不会立即从段中移除，而是标记为已删除。通过段合并，可以彻底清除这些标记为删除的文档，释放磁盘空间。

段合并策略

TieredMergePolicy（分层合并策略）

默认段合并策略，根据段的大小和数量将段分为不同的层级（Tiers），并在合适的时机触发段合并。

通过设置segments_per_tier参数控制每层的最大段数，每层段数超过时触发合并。通过设置max_merge_at_once参数控制一次合并的最大段数。

通过段的大小对段进行分层。具体来说，它会将段按照大小分为不同的层，每一层中的段大小范围不同。层的划分并不是固定的，而是动态调整的。

LogByteSizeMergePolicy（基于字节大小的合并策略）

基于段的字节大小来决定合并。它会尝试将小段合并成较大的段，以控制合并后的段大小。

通过设置min_merge_size参数控制段合并操作的最小段大小（小于min_merge_size优先合并）。max_merge_size参数控制段合并操作的最大段大小，当段的大小超过这个阈值时，不再参与合并。

LogDocMergePolicy（基于文档数量的合并策略）

基于段中的文档数量来决定合并。它会尝试将包含少量文档的段合并成包含更多文档的段。

通过设置min_merge_docs参数控制段合并操作的最小段的文档数量（小于min_merge_docs优先合并）。和max_merge_docs参数控制段合并操作的最大段的文档数量，当段的文档数量超过这个阈值时，不再参与合并。

---

感谢您的阅读！如果文章中有任何问题或不足之处，欢迎及时指出，您的反馈将帮助我不断改进与完善。期待与您共同探讨技术，共同进步！