elasticsearch 基础之分布式存储（elasticsearch数据的存储结构）

对于任何数据存储工具，都应该清楚明了的知道其数据存储结构。下面说说ElasticSearch中数据存储的一些关键点

倒排索引本质是哈希表，完成由搜索词到文档id的映射，这也是elasticsearch搜索比较快速高效的一个重要原因。

倒排索引

也就是说在存储数据的时候，先进行数据分析，完成可搜索的词条到文档的映射。

完成文档到词项的映射，在索引数据与建立倒排索引时同时建立doc values。主要用于排序，聚合。

除了analyzed string字段之外，其他字段默认都会记录doc value。doc values的存储使用了一些压缩机制。对于数字类型字段，一般取最大公约数，然后只记录其倍数。如果没有合适的最大公约数，取最小的数值，然后记录其差值。

如果某个字段不需要这个功能呢，可以通过配置字段的属性:"doc_values": false 来禁用。

Lucene是一个功能强大的搜索库，但是基于Lucene进行开发比较复杂。ElasticSearch是基于lucene开发的搜索引擎，提供了更简单易用的API。

索引实际上是lucene中的概念，一个索引由多个索引段构成，大部分的场景是写一次，读多次。当满足某些条件时，多个索引段会合并成一个更大的索引段。索引段的减少有助于搜索效率的提高(可能是lucene内部原理决定的)，但是频繁的段合并会影响性能。

Elasticsearch中的每次刷新都会新创建一个段，新创建的段里面的数据在下一次刷新之前是不会被搜索到的。ES的段合并是在后台进行的。

index buffer -> filesystem cache -> 磁盘

第一个过程是refresh操作，第二个过程称为flush操作。

如果读完这篇文章有很多疑惑之处，请阅读es系列之前的文章：

es系列：集群分布式架构及原理

ES系列：集群、索引、搜索配置优化方案

ES系列：elasticsearch的功能及Top 5大应用场景

ES系列：elasticsearch基础知识汇总及常见面试题（一）