document写入原理

写入原理

(1)数据写入buffer (2)commit point (3)buffer中的数据写入新的index segment (4)等待在os cache中的index segment被fsync强制刷到磁盘上 (5)新的index sgement被打开,供search使用 (6)buffer被清空
每次commit point时,会有一个.del文件,标记了哪些segment中的哪些document被标记为deleted了 搜索的时候,会依次查询所有的segment,从旧的到新的,比如被修改过的document,在旧的segment中,会标记为deleted,在新的segment中会有其新的数据
notion image

写入优化

现有流程的问题,每次都必须等待fsync将segment刷入磁盘,才能将segment打开供search使用,这样的话,从一个document写入,到它可以被搜索,可能会超过1分钟!!!这就不是近实时的搜索了!!!主要瓶颈在于fsync实际发生磁盘IO写数据进磁盘,是很耗时的。
写入流程别改进如下:
(1)数据写入buffer (2)每隔一定时间,buffer中的数据被写入segment文件,但是先写入os cache (3)只要segment写入os cache,那就直接打开供search使用,不立即执行commit
数据写入os cache,并被打开供搜索的过程,叫做refresh,默认是每隔1秒refresh一次。也就是说,每隔一秒就会将buffer中的数据写入一个新的index segment file,先写入os cache中。所以,es是近实时的,数据写入到可以被搜索,默认是1秒。
POST /my_index/_refresh,可以手动refresh,一般不需要手动执行,没必要,让es自己搞就可以了
比如说,我们现在的时效性要求,比较低,只要求一条数据写入es,一分钟以后才让我们搜索到就可以了,那么就可以调整refresh interval
PUT /my_index { "settings": { "refresh_interval": "30s" } }
notion image
 

再次优化的写入流程

 
(1)数据写入buffer缓冲和translog日志文件 (2)每隔一秒钟,buffer中的数据被写入新的segment file,并进入os cache,此时segment被打开并供search使用 (3)buffer被清空 (4)重复1~3,新的segment不断添加,buffer不断被清空,而translog中的数据不断累加 (5)当translog长度达到一定程度的时候,commit操作发生 (5-1)buffer中的所有数据写入一个新的segment,并写入os cache,打开供使用 (5-2)buffer被清空 (5-3)一个commit ponit被写入磁盘,标明了所有的index segment (5-4)filesystem cache中的所有index segment file缓存数据,被fsync强行刷到磁盘上 (5-5)现有的translog被清空,创建一个新的translog
基于translog和commit point,如何进行数据恢复
fsync+清空translog,就是flush,默认每隔30分钟flush一次,或者当translog过大的时候,也会flush
POST /my_index/_flush,一般来说别手动flush,让它自动执行就可以了
translog,每隔5秒被fsync一次到磁盘上。在一次增删改操作之后,当fsync在primary shard和replica shard都成功之后,那次增删改操作才会成功
但是这种在一次增删改时强行fsync translog可能会导致部分操作比较耗时,也可以允许部分数据丢失,设置异步fsync translog
PUT /my_index/_settings { "index.translog.durability": "async", "index.translog.sync_interval": "5s" }
notion image
notion image

segment merge

每秒一个segment file,文件过多,而且每次search都要搜索所有的segment,很耗时
默认会在后台执行segment merge操作,在merge的时候,被标记为deleted的document也会被彻底物理删除
每次merge操作的执行流程
(1)选择一些有相似大小的segment,merge成一个大的segment (2)将新的segment flush到磁盘上去 (3)写一个新的commit point,包括了新的segment,并且排除旧的那些segment (4)将新的segment打开供搜索 (5)将旧的segment删除
POST /my_index/_optimize?max_num_segments=1,尽量不要手动执行,让它自动默认执行就可以了