版本：Elasticsearch 8.x

今天來看下 Elasticsearch 中的寫入流程。

不想看過程可以直接跳轉文章末尾查看總結部分。最后附上個人理解的一個圖。

從我們發出寫入請求，到 Elasticsearch 接收請求，處理請求，保存數據到磁盤，這個過程中經歷了哪些處理呢？Elasticsearch 又做了哪些操作？對于 Elasticsearch 寫入一篇文檔相信大家不陌生，但是Elasticsearch 的底層究竟是如何處理的呢，讓我們一起來一探究竟。

寫入流程

(1) 客戶端發送寫請求時，發送給任意一個節點，這個節點就是所謂的協調節點（coordinating node）。（對應圖中的序號1）

(2) 計算文檔要寫入的分片位置，使用 Hash 取模算法（最新版 Hash 算法）(對應圖中序號2)。

routing_factor = num_routing_shards / num_primary_shards
shard_num = (hash(_routing) % num_routing_shards) / routing_factor

(3) 協調節點進行路由，將請求轉發給對應的 primary sharding 所在的 datanode(對應圖中序號2)。

(4) datanode 節點上的 primary sharding 處理請求，寫入數據到索引庫，并且將數據同步到對應的 replica sharding(對應圖中序號3)。

(5) 等 primary sharding 和 replica sharding 都保存好之后返回響應(對應圖中序號 4,5,6)。

路由分片算法

在7.13版本之前，計算方式如下：

shard_num = hash(_routing) % num_primary_shards

從7.13 版本開始，不包括 7.13 ，計算方式就改為了上述步驟2的計算方式。

routing_factor = num_routing_shards / num_primary_shards
shard_num = (hash(_routing) % num_routing_shards) / routing_factor

• num_routing_shards 就是配置文件中 index.number_of_routing_shard 的值。
• num_primary_shard 就是配置文件中 index.number_of_shard 的值。
• _routing 默認就是文檔的 ID，但是我們可以自定義該路由值。

等待激活的分片

此處以 Create index API 舉例說明，其中有一個請求參數 wait_for_active_shards。 該參數的作用就是寫入請求發送到ES之后，需要等待多少數量的分片處于激活狀態后再繼續執行后續操作。如果所需要數量的分片副本不足，則寫入操作需等待并重試，直到所有的分片副本都已經啟動或者發生超時。

默認情況下，寫入操作僅等待主分片處于活動狀態后繼續執行（即 wait_for_active_shard=1）。

• （可選）的字符串值。
• 默認1。
• 可以設置為all，或者任意一個正整數，最多是索引的副本分片數+1（number_of_replicas+1)。

該設置極大的降低了寫操作未寫入所需數量分片副本的機會，但是并沒有完全避免。

寫入原理

先來一個官網的寫入流程圖（地址在文末獲取）。

Elasticsearh 寫入流程圖

近實時

對于 Elasticsearch 的寫入流程來說，就三部分：

• 寫入到內存緩沖區。
• 寫入打開新的 segment。
• 寫入 disk。

為什么稱為近實時，是因為在寫入到內存緩沖區的時候，我們是還無法進行檢索的，等到寫入到segment之后，就可以進行檢索到了，所以這是近實時的原因。

因為相對于寫到磁盤，打開 segment 寫入文件系統緩存的代價比寫入磁盤的代價低的多。

第一步、寫入文檔到內存緩沖區（此時文檔不可被檢索）。

第二步、緩沖區的內容寫入到 segment，但是還未提交（可被檢索）。

在 Elasticsearch 中，寫入和打開一個新segment的過程稱為 refresh，refresh操作會自上次刷新（refresh）以來執行的所有操作都可用搜索。

refresh觸發的方式有如下三種：

• 刷新間隔到了自動刷新。
• URL增加?refresh參數，需要傳空或者true。
• 調用Refresh API手動刷新

默認情況下，Elasticsearch 每秒定期刷新，但是僅限于在過去的30s內收到的一個或者多個 search請求。這個也就是近實時的一個點，文檔的更改不會立即顯示在下一次的檢索中，需要等待 refresh 操作完成之后才可以檢索出來。

我們可以通過如下方式觸發refresh操作或者調整自動刷新的間隔。

POST /_refresh 
POST /blogs/_refresh

調整刷新間隔，每 30s 刷新：

PUT /my_logs
{
  "settings": {
    "refresh_interval": "30s" 
  }
}

關閉自動刷新：

PUT /my_logs/_settings
{ "refresh_interval": -1 } 

設置為每秒自動刷新：

PUT /my_logs/_settings
{ "refresh_interval": "1s" 

refresh_interval 需要一個 持續時間 值， 例如 1s （1 秒） 或 2m （2 分鐘）。 一個絕對值 1 表示的是 1毫秒 --無疑會使你的集群陷入癱瘓。

段（segment）合并

由于 refresh 操作會每秒自動刷新生成一個新的段(segment)，這樣的話短時間內，segment會暴增，segment數量太多，每一個都會造成文件句柄、內存、CPU的大量消耗，還有一個更重要的點就是，每個檢索請求也會輪流檢查每一個segment，所以segment越多，檢索也就越慢。

Elasticsearch 通過在后臺自動合并 segment 來解決這個問題的。小的segment被合并到大的segment，然后大的segment在被合并到更大的segment。

segment 合并的時候會自動將已刪除的文檔從文件系統中刪除，已經刪除的文檔或者更新文檔的舊版本不會被合并到新的 segment中。

• 當 index 的時候，refresh操作會創建新的segment，并將segment打開以供檢索。
• 合并進行會選擇一小部分大小相似的segment，在后臺將他們合并到更大的segment中，這個操作不會中斷 index 與 search 操作。

optimize API

optimize API 不應該用在經常更新的索引上。

該 optimize API 可以控制分片最大的 segment數量，對于有的索引，例如日志，每天、每周、每月的日志被單獨存在一個索引上，老得索引一般都是只讀的，也不太可能發生變化，所以我們就可以使用這個 optimize API 優化老的索引，將每個分片合并為一個單獨的segment。這樣既可以節省資源，也可以加快檢索速度。

合并索引中的每個分片為一個單獨的段：

POST /logstash-2014-10/_optimize?max_num_segments=1 

持久化

上述的refresh操作是 Elasticsearch 近實時 的原因，那么數據的持久化就要看fsync操作把數據從文件系統緩沖區flush到磁盤了。所以只有當translog被fsync操作或者是提交時，translog中的數據才會持久化到磁盤。

如果沒有持久化操作，當 Elasticsearch 宕機發生故障的時候，就會發生數據丟失了，所以 Elasticsearch 依賴于translog進行數據恢復。

在 Elasticsearch 進行提交操作的時候，成本是非常高的，所以策略就是在寫入到內存緩沖區的時候，同步寫入一份數據到translog，所有的index與delete操作都會在內部的lucene索引處理后且未確認提交之前寫入teanslog。

如果發生了異常，當分片數據恢復時，已經確認提交但是并沒有被上次lucene提交操作包含在內的最近操作就可以在translog中進行恢復。

Elasticsearch 的 flush操作是執行 Lucene提交并開始生成新的translog的過程，為了確保translog文件不能過大，flush操作在后臺自動執行，否則在恢復的時候也會因為文件過大花費大量的時間。

對于translog有如下設置選項：

• index.translog.durability 默認設置為request ，意思就是只有當主分片和副本分片fsync且提交translog之后，才會向客戶端響應index，delete，update，bulk請求成功。
• index.translog.durability 設置為async，則 Elasticsearch 會在每個index.translog.sync_interval 提交 translog，如果遇到節點恢復，則在這個區間執行的操作就可能丟失。

對于上述的幾個參數，都可以動態更新：

(1) index.translog.sync_interval：將 translog fsync到磁盤并提交的頻率。默認5s，不允許小于100ms。

(2) index.translog.durability：是否在每次index，delete，update，bulk操作之后提交translog。

• request: 默認，fsync 每次請求之后提交，如果發生故障，所有已確認的寫入操作到已經提交到磁盤
• async: fsync在后臺每個sync_interval時間間隔提交。如果發生故障，自上次提交以來所有已確認的寫入操作將被丟棄。

(3) index.translog.flush_threshold_size：防止 translog 文件過大的設置，一旦達到設置的該值，就會發生 flush 操作，并生成一個新的 commit point。默認512mb。

總結

(1) 一個文檔被index之后，添加內存緩存區，同時寫入 translog。

(2) refresh 操作完成后，緩存被清空，但是 translog 不會

• 內存緩沖區的文檔被寫入到一個新的segment中，且沒有進行fsync操作。
• segment 打開，可供檢索。
• 內存緩沖區清空。

(3) 更多的文檔被添加到內存緩沖區并追加到 translog。

(4) 每隔一段時間，translog 變得越來越大，索引被刷新（flush），一個新的 translog 被創建，并且一個提交執行。

• 所有內存緩沖區的文檔都被寫入到一個新的段。
• 緩沖區被清空。
• 一個提交點寫入磁盤。
• 文件系統緩存通過fsync被刷新（flush）。
• 老的 translog 被刪除。

translog 提供所有還沒有被刷到磁盤的操作的一個持久化記錄。當 Elasticsearch 啟動的時候，它會從磁盤中使用的最后一個提交點（commit point）去恢復已知的 segment ，并且會重放 translog 中所有在最后一次提交后發生的變更操作。

translog 也被用來提供實時的CRUD，當我們通過ID進行查詢、更新、刪除一個文檔、它會嘗試在相應的 segment 中檢索之前，首先檢查 translog 中任何最近的變更操作。也就是說這個是可以實時獲取到文檔的最新版本。

最后送上一個我自己理解的圖，參考了官網的描述，以及網上畫的，如有錯誤歡迎指出。