共计 2437 个字符，预计需要花费 7 分钟才能阅读完成。
简介
Elasticsearch 是基于 Lucene 实现的，Lucene 中引入了按段搜寻的概念，每一个段自身就是一个倒排索引。索引在 Lucene 中除示意所有段的汇合外，还减少了提交点（Commit point）的概念，一个列出了所有已知段的文件的形容如下图：一个 Lucene 索引蕴含一个提交点和三个段。
生成
新的文档首先被增加到内存索引缓存中（In-memory buffer）。
Elasticsearch 的主动刷新每隔 1s 进行一次，一个新的段被增加到提交点并清空内存索引缓存。
当一个查问被触发，所有已知的段按程序被查问。词项统计会对所有段的后果进行聚合，以保障每个词和每个文档的关联都被精确计算。
删除 & 更新
段是不可扭转的，所以既不能把文档从旧的段中移除，也不能批改旧的段来对文档进行更新。取而代之的是，每个提交点会蕴含一个 .del 文件，文件中会列出这些被删除文档的段信息。
当一个文档被“删除”时，它实际上只是在 .del 文件中被 标记删除 。一个被标记删除的文档依然能够被查问匹配到，但它会在最终后果被返回前 从后果集中移除。
文档更新也是相似的操作形式：当一个文档被更新时，旧版本文档被标记删除，文档的新版本被索引到一个新的段中。可能两个版本的文档都会被一个查问匹配到，但被删除的那个旧版本文档在后果集返回前就曾经被移除。
合并
主动刷新流程每秒会创立一个新的段，这样会导致短时间内的段数量暴增。而段数目太多会带来较大的麻烦。每一个段都会耗费文件句柄、内存和 cpu 运行周期。更重要的是，每个搜寻申请都必须轮流查看每个段；所以段越多，搜寻也就越慢。
Elasticsearch 通过在后盾进行段合并来解决这个问题。小的段被合并到大的段，而后这些大的段再被合并到更大的段。
段合并的时候会将那些旧的已删除文档从文件系统中革除。被删除的文档（或被更新文档的旧版本）不会被拷贝到新的大段中。
启动段合并不须要用户做任何事。进行索引和搜寻时会主动进行。段合并的流程：
- 当索引的时候，刷新（refresh）操作会创立新的段并将段关上以供搜寻应用。
- 合并过程抉择一小部分大小类似的段，在后盾将它们合并到更大的段中且不会中断索引和搜寻。
两个已提交（存在于磁盘上）的段和一个未提交（存在于文件系统缓存中）的段合并到一个更大段，如图形容：
合并实现后，生成的大段（已排除被标记删除的文档）被关上用来搜寻，较小的段被删除，如图形容：
性能优化
段合并的计算量宏大，可能会吃掉大量磁盘 I/O。段合并可能要很长时间能力实现，尤其是比拟大的段，所以合并在 后盾定期操作。个别状况下段合并都不会有什么影响，因为大规模段合并的概率是很小的。
不过有时候合并会连累写入速率。如果这个真的产生了，Elasticsearch 会主动 限度索引申请到单个线程里。单线程能够缩小段文件的生成速度，防止出现数以百计的段在被合并之前就生成进去。如果 Elasticsearch 发现合并连累索引了，它会记录一个申明有 now throttling indexing 的 INFO 级别信息。
Elasticsearch 的默认设置在这块比拟激进：不心愿搜寻性能被后盾合并影响。不过有时候（尤其是 SSD，或者日志场景）限流阈值太低了。
这个限流阈值默认值是 20 MB/s，对机械磁盘应该是个不错的设置。如果应用的是 SSD，能够思考进步到 100–200 MB/s。测试验证对你的零碎哪个值适合：
PUT /_cluster/settings
{
"persistent" : {"indices.store.throttle.max_bytes_per_sec" : "100mb"}
}如果在做批量导入，齐全不在意搜寻，能够彻底关掉合并限流。这样让索引速度跑到你磁盘容许的极限：
PUT /_cluster/settings
{
"transient" : {"indices.store.throttle.type" : "none"}
}设置限流类型为 none 彻底敞开合并限流。等实现了导入，须要改回 merge 从新关上限流。
通过批改 index.translog.flush_threshold_size 设置，从默认的 512 MB 到更大一些的值，比方 1 GB。这能够在一次清空触发的时候在事务日志里积攒出更大的段。
这样以来，清空的频率变低，大段合并的频率也变低（生成了更大的段也就意味着缩小了小段合并成大段的频率）。这样会有更少的磁盘 I/O 开销和更好的索引速率。当然，批改这个配置须要对应量级的 heap 内存用以积攒更大的缓冲空间，调整这个设置的时候须要关注这点。
optimize API
强制合并 API。会将一个分片强制合并到 max_num_segments 参数指定大小的段数目。这样做的用意是缩小段的数量（通常缩小到一个），来 晋升搜寻性能。
值得注意的是，optimize API 不应该被用在一个沉闷的索引————一个更新频繁索引。后盾合并流程曾经能够很好地实现工作。optimizing 会妨碍这个过程。
在特定状况下，应用 optimize API 颇有好处。例如在日志这种用例下，每天、每周、每月的日志被存储在一个索引中。老的索引本质上是只读的；它们也并不太可能会发生变化。
在这种状况下，应用 optimize 优化老的索引，将每一个分片合并为一个独自的段就很有用了；这样既能够节俭资源，也能够使搜寻更加疾速：
POST /logstash-2014-10/_optimize?max_num_segments=1 示意合并索引中的每个分片为一个独自的段
最初须要理解下，应用 optimize API 触发段合并的操作 不会受到任何资源上的限度。这可能会消耗掉你节点上全副的 I / O 资源, 使其没有余裕来解决搜寻申请，从而有可能使集群失去响应。
如果想要对索引执行 optimize，最好先应用分片调配把索引移到一个平安的节点，再执行。
参考
https://www.elastic.co/guide/…
https://www.elastic.co/guide/…
