写在后面

有一个问题被关注的比拟少，就是ES对本地磁盘的占用状况。有人可能感觉这个问题的答案不言而喻，不就是ES软件自身占用的空间，还有索引数据长久化占用的磁盘空间，另外就是一些日志了。

事实上，对于ES占用磁盘空间的问题远比这个要简单的多。本篇文章就想聚焦这个问题，深刻ES的底层原理来剖析磁盘的占用状况。

注释

是否执行剖析

首先对于一个索引，其中的字段在写入是，写入剖析对磁盘是有影响的。那么什么是写入剖析? 当咱们index一个文档时，如果不指定分析器，默认应用的是standard，能够做个测试，看下默认的分析器执行的后果。

GET /_analyze{  "analyzer": "standard",  "text": "Text to analyze"}

咱们能够为字段独自指定analyzed或者 not_analyzed， 比方：

PUT /my_index{  "mappings": {    "my_type": {      "properties": {        "status_code": {          "type": "string",          "index": "not_analyzed"        }      }    }  }}
  • not_analyzed:将字段的原始值放入索引中，作为一个独立的term，它是除string字段以外的所有字段的默认值。
  • analyzed:string字段的默认值，会先进行剖析后，再把剖析的term后果存入索引中。

剖析的目标次要是为了建设倒排索引，进行全文检索剖析。如果没有这个需要能够关掉。

_all字段和_source字段

很多时候，咱们查问文档会发现返回的后果里，带有一个_source字段，外面是全副字段的内容。_source字段默认是存储的，这个会占用磁盘空间。

什么状况下不必保留 _source字段？比方如果某个字段内容十分多，咱们的业务场景只须要能对该字段进行搜寻，能够思考敞开 _source字段，咱们搜寻到文档id后，再通过文档id去数据库拿到这个字段的内容。这样能够节俭很多空间。如何敞开呢？

PUT my-index-000001{  "mappings": {    "_source": {      "enabled": false    }  }}

_all字段默认是敞开的，如果要开启_all字段，索引就更大，占用磁盘空间当然就更大。_all字段开启实用于不指定搜寻某一个字段，依据关键词，搜寻整个文档内容。

Doc values

Doc Values 通过序列化把数据结构长久化到磁盘，咱们能够充分利用操作系统的内存，而不是 JVM 的 Heap 。

Doc Values 默认对所有字段启用，除了 analyzed strings。也就是说所有的数字、地理坐标、日期、IP 和不剖析（ not_analyzed ）字符类型都会默认开启。

Doc Values的作用是开启的字段能够反对排序，聚合等能力，如果业务场景确定不须要这样的能力能够显示的把这个性能禁掉，从而节俭磁盘空间。

PUT my_index{  "mappings": {    "my_type": {      "properties": {        "session_id": {          "type":       "string",          "index":      "not_analyzed",          "doc_values": false         }      }    }  }}

正本机制

这个其实不必多说。ES的正本分片机制，目标是实现高可用，然而就义了空间。每个正本其实都是主分片的残缺拷贝，在文档数量十分大的时候，这个对磁盘的占用是相当可观的。

测试比照

看上图，从上往下看，磁盘占用根本是始终在缩小。很直观的看出下面讲的那些因素对ES磁盘的占用影响。

参考：

  • https://www.elastic.co/cn/blo...