1.概述

转载：

Elasticsearch中数据是如何存储的

PUT test_field
{
  "settings": {
    "index": {
      "number_of_shards": "1",
      "number_of_replicas": "0",
      "refresh_interval": "30s"
    }
  },
  "mappings": {
    "type": {
      "_all": {
        "enabled": false
      }, 
      "properties": {
        "uuid": {
          "type": "string",
          "index": "not_analyzed"
        }
      }
    }
  }
}

health status index      pri rep docs.count docs.deleted store.size pri.store.size 
green  open   test_field   1   0    1000000            0    122.7mb        122.7mb 

-rw-r–r–  1 weizijun  staff    41M Aug 19 21:23 _8.fdt

-rw-r–r–  1 weizijun  staff    17K Aug 19 21:23 _8.fdx

-rw-r–r–  1 weizijun  staff   688B Aug 19 21:23 _8.fnm

-rw-r–r–  1 weizijun  staff   494B Aug 19 21:23 _8.si

-rw-r–r–  1 weizijun  staff   265K Aug 19 21:23 _8_Lucene50_0.doc

-rw-r–r–  1 weizijun  staff    44M Aug 19 21:23 _8_Lucene50_0.tim

-rw-r–r–  1 weizijun  staff   340K Aug 19 21:23 _8_Lucene50_0.tip

-rw-r–r–  1 weizijun  staff    37M Aug 19 21:23 _8_Lucene54_0.dvd

-rw-r–r–  1 weizijun  staff   254B Aug 19 21:23 _8_Lucene54_0.dvm

-rw-r–r–  1 weizijun  staff   195B Aug 19 21:23 segments_2

-rw-r–r–  1 weizijun  staff     0B Aug 19 21:20 write.lock

可以看到正排数据、倒排索引数据，列存数据容量占比几乎相同，正排数据和倒排数据还会存储Elasticsearch的唯一id字段，所以容量会比列存多一些。

35M的uuid存入Elasticsearch后，数据膨胀了3倍，达到了122.7mb。Elasticsearch竟然这么消耗资源，不要着急下结论，接下来看另一个测试结果。

我们写入100w一样的uuid，然后看看Elasticsearch使用的容量。

health status index      pri rep docs.count docs.deleted store.size pri.store.size 

green  open   test_field   1   0    1000000            0     13.2mb         13.2mb 

-rw-r–r–  1 weizijun  staff   5.5M Aug 19 21:29 _6.fdt

-rw-r–r–  1 weizijun  staff    15K Aug 19 21:29 _6.fdx

-rw-r–r–  1 weizijun  staff   688B Aug 19 21:29 _6.fnm

-rw-r–r–  1 weizijun  staff   494B Aug 19 21:29 _6.si

-rw-r–r–  1 weizijun  staff   309K Aug 19 21:29 _6_Lucene50_0.doc

-rw-r–r–  1 weizijun  staff   7.0M Aug 19 21:29 _6_Lucene50_0.tim

-rw-r–r–  1 weizijun  staff   195K Aug 19 21:29 _6_Lucene50_0.tip

-rw-r–r–  1 weizijun  staff   244K Aug 19 21:29 _6_Lucene54_0.dvd

-rw-r–r–  1 weizijun  staff   252B Aug 19 21:29 _6_Lucene54_0.dvm

-rw-r–r–  1 weizijun  staff   195B Aug 19 21:29 segments_2

-rw-r–r–  1 weizijun  staff     0B Aug 19 21:26 write.lock

这回35M的数据Elasticsearch容量只有13.2mb，其中还有主要的占比还是Elasticsearch的唯一id，100w的uuid几乎不占存储容积。

所以在Elasticsearch中建立索引的字段如果基数越大(count distinct)，越占用磁盘空间。

我们再看看存100w个不一样的整型会是如何。

health status index      pri rep docs.count docs.deleted store.size pri.store.size 

green  open   test_field   1   0    1000000            0     13.6mb         13.6mb 

-rw-r–r–  1 weizijun  staff   6.1M Aug 28 10:19 _42.fdt

-rw-r–r–  1 weizijun  staff    22K Aug 28 10:19 _42.fdx

-rw-r–r–  1 weizijun  staff   688B Aug 28 10:19 _42.fnm

-rw-r–r–  1 weizijun  staff   503B Aug 28 10:19 _42.si

-rw-r–r–  1 weizijun  staff   2.8M Aug 28 10:19 _42_Lucene50_0.doc

-rw-r–r–  1 weizijun  staff   2.2M Aug 28 10:19 _42_Lucene50_0.tim

-rw-r–r–  1 weizijun  staff    83K Aug 28 10:19 _42_Lucene50_0.tip

-rw-r–r–  1 weizijun  staff   2.5M Aug 28 10:19 _42_Lucene54_0.dvd

-rw-r–r–  1 weizijun  staff   228B Aug 28 10:19 _42_Lucene54_0.dvm

-rw-r–r–  1 weizijun  staff   196B Aug 28 10:19 segments_2

-rw-r–r–  1 weizijun  staff     0B Aug 28 10:16 write.lock

从结果可以看到，100w整型数据，Elasticsearch的存储开销为13.6mb。如果以int型计算100w数据的长度的话，为400w字节，大概是3.8mb数据。忽略Elasticsearch唯一id字段的影响，Elasticsearch实际存储容量跟整型数据长度差不多。

我们再看一下开启最佳压缩参数对存储空间的影响：

health status index      pri rep docs.count docs.deleted store.size pri.store.size 

green  open   test_field   1   0    1000000            0    107.2mb        107.2mb 

-rw-r–r–  1 weizijun  staff    25M Aug 20 12:30 _5.fdt

-rw-r–r–  1 weizijun  staff   6.0K Aug 20 12:30 _5.fdx

-rw-r–r–  1 weizijun  staff   688B Aug 20 12:31 _5.fnm

-rw-r–r–  1 weizijun  staff   500B Aug 20 12:31 _5.si

-rw-r–r–  1 weizijun  staff   265K Aug 20 12:31 _5_Lucene50_0.doc

-rw-r–r–  1 weizijun  staff    44M Aug 20 12:31 _5_Lucene50_0.tim

-rw-r–r–  1 weizijun  staff   322K Aug 20 12:31 _5_Lucene50_0.tip

-rw-r–r–  1 weizijun  staff    37M Aug 20 12:31 _5_Lucene54_0.dvd

-rw-r–r–  1 weizijun  staff   254B Aug 20 12:31 _5_Lucene54_0.dvm

-rw-r–r–  1 weizijun  staff   224B Aug 20 12:31 segments_4

-rw-r–r–  1 weizijun  staff     0B Aug 20 12:00 write.lock

结果中可以发现，只有正排数据会启动压缩，压缩能力确实强劲，不考虑唯一id字段，存储容量大概压缩到接近50%。

我们还做了一些实验，Elasticsearch默认是开启_all参数的，_all可以让用户传入的整体json数据作为全文检索的字段，可以更方便的检索，但在现实场景中已经使用的不多，相反会增加很多存储容量的开销，可以看下开启_all的磁盘空间使用情况：

health status index      pri rep docs.count docs.deleted store.size pri.store.size 

green  open   test_field   1   0    1000000            0    162.4mb        162.4mb 

-rw-r–r–  1 weizijun  staff    41M Aug 18 22:59 _20.fdt

-rw-r–r–  1 weizijun  staff    18K Aug 18 22:59 _20.fdx

-rw-r–r–  1 weizijun  staff   777B Aug 18 22:59 _20.fnm

-rw-r–r–  1 weizijun  staff    59B Aug 18 22:59 _20.nvd

-rw-r–r–  1 weizijun  staff    78B Aug 18 22:59 _20.nvm

-rw-r–r–  1 weizijun  staff   539B Aug 18 22:59 _20.si

-rw-r–r–  1 weizijun  staff   7.2M Aug 18 22:59 _20_Lucene50_0.doc

-rw-r–r–  1 weizijun  staff   4.2M Aug 18 22:59 _20_Lucene50_0.pos

-rw-r–r–  1 weizijun  staff    73M Aug 18 22:59 _20_Lucene50_0.tim

-rw-r–r–  1 weizijun  staff   832K Aug 18 22:59 _20_Lucene50_0.tip

-rw-r–r–  1 weizijun  staff    37M Aug 18 22:59 _20_Lucene54_0.dvd

-rw-r–r–  1 weizijun  staff   254B Aug 18 22:59 _20_Lucene54_0.dvm

-rw-r–r–  1 weizijun  staff   196B Aug 18 22:59 segments_2

-rw-r–r–  1 weizijun  staff     0B Aug 18 22:53 write.lock

开启_all比不开启多了40mb的存储空间，多的数据都在倒排索引上，大约会增加30%多的存储开销。所以线上都直接禁用。

然后我还做了其他几个尝试，为了验证存储容量是否和数据量成正比，写入1000w数据的uuid，发现存储容量基本为100w数据的10倍。我还验证了数据长度是否和数据量成正比，发现把uuid增长2倍、4倍，存储容量也响应的增加了2倍和4倍。在此就不一一列出数据了。

lucene各文件具体内容和实现

lucene数据元信息文件

文件名为：segments_xxx

该文件为lucene数据文件的元信息文件，记录所有segment的元数据信息。

该文件主要记录了目前有多少segment，每个segment有一些基本信息，更新这些信息定位到每个segment的元信息文件。

lucene元信息文件还支持记录userData，Elasticsearch可以在此记录translog的一些相关信息。

文件示例

具体实现类

public final class SegmentInfos implements Cloneable, Iterable<SegmentCommitInfo> {

  // generation是segment的版本的概念，从文件名中提取出来，实例中为：2t/101

  private long generation;     // generation of the “segments_N” for the next commit

private long lastGeneration; // generation of the “segments_N” file we last successfully read

// or wrote; this is normally the same as generation except if

// there was an IOException that had interrupted a commit

/** Id for this commit; only written starting with Lucene 5.0 */

private byte[] id;

/** Which Lucene version wrote this commit, or null if this commit is pre-5.3. */

private Version luceneVersion;

/** Counts how often the index has been changed.  */

public long version;

/** Used to name new segments. */

// TODO: should this be a long …?

public int counter;

/** Version of the oldest segment in the index, or null if there are no segments. */

private Version minSegmentLuceneVersion;

private List<SegmentCommitInfo> segments = new ArrayList<>();

/** Opaque Map&lt;String, String&gt; that user can specify during IndexWriter.commit */

public Map<String,String> userData = Collections.emptyMap();

}

/** Embeds a [read-only] SegmentInfo and adds per-commit


fields.




@lucene.experimental

/

public class SegmentCommitInfo {

/** The {@link SegmentInfo} that we wrap. */

public final SegmentInfo info;

// How many deleted docs in the segment:

private int delCount;

// Generation number of the live docs file (-1 if there

// are no deletes yet):

private long delGen;

// Normally 1+delGen, unless an exception was hit on last

// attempt to write:

private long nextWriteDelGen;

// Generation number of the FieldInfos (-1 if there are no updates)

private long fieldInfosGen;

// Normally 1+fieldInfosGen, unless an exception was hit on last attempt to

// write

private long nextWriteFieldInfosGen; //fieldInfosGen == -1 ? 1 : fieldInfosGen + 1;

// Generation number of the DocValues (-1 if there are no updates)

private long docValuesGen;

// Normally 1+dvGen, unless an exception was hit on last attempt to

// write

private long nextWriteDocValuesGen; //docValuesGen == -1 ? 1 : docValuesGen + 1;

// TODO should we add .files() to FieldInfosFormat, like we have on

// LiveDocsFormat?

// track the fieldInfos update files

private final Set<String> fieldInfosFiles = new HashSet<>();

// Track the per-field DocValues update files

private final Map<Integer,Set<String>> dvUpdatesFiles = new HashMap<>();

// Track the per-generation updates files

@Deprecated

private final Map<Long,Set<String>> genUpdatesFiles = new HashMap<>();

private volatile long sizeInBytes = -1;

}

segment的元信息文件

文件后缀：.si

每个segment都有一个.si文件，记录了该segment的元信息。

segment元信息文件中记录了segment的文档数量，segment对应的文件列表等信息。

文件示例

具体实现类

/**

  Information about a segment such as its name, directory, and files related

  to the segment.

 *

  @lucene.experimental

 /

public final class SegmentInfo {

// _bl

public final String name;

/** Where this segment resides. */

public final Directory dir;

/** Id that uniquely identifies this segment. */

private final byte[] id;

private Codec codec;

// Tracks the Lucene version this segment was created with, since 3.1. Null

// indicates an older than 3.0 index, and it’s used to detect a too old index.

// The format expected is “x.y” – “2.x” for pre-3.0 indexes (or null), and

// specific versions afterwards (“3.0.0”, “3.1.0” etc.).

// see o.a.l.util.Version.

private Version version;

private int maxDoc;         // number of docs in seg

private boolean isCompoundFile;

private Map<String,String> diagnostics;

private Set<String> setFiles;

private final Map<String,String> attributes;

}

fields信息文件

文件后缀：.fnm

该文件存储了fields的基本信息。

fields信息中包括field的数量，field的类型，以及IndexOpetions，包括是否存储、是否索引，是否分词，是否需要列存等等。

文件示例

具体实现类

/**

   Access to the Field Info file that describes document fields and whether or

   not they are indexed. Each segment has a separate Field Info file. Objects

   of this class are thread-safe for multiple readers, but only one thread can

   be adding documents at a time, with no other reader or writer threads

   accessing this object.

 /

public final class FieldInfo {

  / Field’s name /

  public final String name;

/** Internal field number */

//field在内部的编号

public final int number;

//field docvalues的类型

private DocValuesType docValuesType = DocValuesType.NONE;

// True if any document indexed term vectors

private boolean storeTermVector;

private boolean omitNorms; // omit norms associated with indexed fields

//index的配置项

private IndexOptions indexOptions = IndexOptions.NONE;

private boolean storePayloads; // whether this field stores payloads together with term positions

private final Map<String,String> attributes;

// docvalues的generation

private long dvGen;

}

数据存储文件

文件后缀：.fdx, .fdt

索引文件为.fdx，数据文件为.fdt，数据存储文件功能为根据自动的文档id，得到文档的内容，搜索引擎的术语习惯称之为正排数据，即doc_id -> content，es的_source数据就存在这

索引文件记录了快速定位文档数据的索引信息，数据文件记录了所有文档id的具体内容。

文件示例

具体实现类

/**

  Random-access reader for {@link CompressingStoredFieldsIndexWriter}.

  @lucene.internal

 */

public final class CompressingStoredFieldsIndexReader implements Cloneable, Accountable {

  private static final long BASE_RAM_BYTES_USED = RamUsageEstimator.shallowSizeOfInstance(CompressingStoredFieldsIndexReader.class);

final int maxDoc;

//docid索引，快速定位某个docid的数组坐标

final int[] docBases;

//快速定位某个docid所在的文件offset的startPointer

final long[] startPointers;

//平均一个chunk的文档数

final int[] avgChunkDocs;

//平均一个chunk的size

final long[] avgChunkSizes;

final PackedInts.Reader[] docBasesDeltas; // delta from the avg

final PackedInts.Reader[] startPointersDeltas; // delta from the avg

}

/**


{@link StoredFieldsReader} impl for {@link CompressingStoredFieldsFormat}.


@lucene.experimental

*/

public final class CompressingStoredFieldsReader extends StoredFieldsReader {

//从fdt正排索引文件中获得

private final int version;

// field的基本信息

private final FieldInfos fieldInfos;

//fdt正排索引文件reader

private final CompressingStoredFieldsIndexReader indexReader;

//从fdt正排索引文件中获得，用于指向fdx数据文件的末端，指向numChunks地址4

private final long maxPointer;

//fdx正排数据文件句柄

private final IndexInput fieldsStream;

//块大小

private final int chunkSize;

private final int packedIntsVersion;

//压缩类型

private final CompressionMode compressionMode;

//解压缩处理对象

private final Decompressor decompressor;

//文档数量，从segment元数据中获得

private final int numDocs;

//是否正在merge，默认为false

private final boolean merging;

//初始化时new了一个BlockState，BlockState记录下当前正排文件读取的状态信息

private final BlockState state;

//chunk的数量

private final long numChunks; // number of compressed blocks written

//dirty chunk的数量

private final long numDirtyChunks; // number of incomplete compressed blocks written

//是否close，默认为false

private boolean closed;

}

倒排索引文件

索引后缀：.tip,.tim

倒排索引也包含索引文件和数据文件，.tip为索引文件，.tim为数据文件，索引文件包含了每个字段的索引元信息，数据文件有具体的索引内容。

5.5.0版本的倒排索引实现为FST tree，FST tree的最大优势就是内存空间占用非常低 ，具体可以参看下这篇文章：



http://www.cnblogs.com/bonelee/p/6226185.html

http://examples.mikemccandless.com/fst.py?terms=&cmd=Build+it

为FST图实例，可以根据输入的数据构造出FST图

输入到 FST 中的数据为:

String inputValues[] = {“mop”,“moth”,“pop”,“star”,“stop”,“top”};

long outputValues[] = {0,1,2,3,4,5};

生成的 FST 图为:

文件示例

具体实现类

public final class BlockTreeTermsReader extends FieldsProducer {

  // Open input to the main terms dict file (_X.tib)

  final IndexInput termsIn;

  // Reads the terms dict entries, to gather state to

  // produce DocsEnum on demand

  final PostingsReaderBase postingsReader;

  private final TreeMap<String,FieldReader> fields = new TreeMap<>();

/

File offset where the directory starts in the terms file. */

/索引数据文件tim的数据的尾部的元数据的地址

private long dirOffset;

/

File offset where the directory starts in the index file. */

//索引文件tip的数据的尾部的元数据的地址

private long indexDirOffset;

//semgent的名称

final String segment;

//版本号

final int version;

//5.3.x index, we record up front if we may have written any auto-prefix terms，示例中记录的是false

final boolean anyAutoPrefixTerms;

}

/**


BlockTree’s implementation of {@link Terms}.


@lucene.internal

*/

public final class FieldReader extends Terms implements Accountable {

//term的数量

final long numTerms;

//field信息

final FieldInfo fieldInfo;

final long sumTotalTermFreq;

//总的文档频率

final long sumDocFreq;

//文档数量

final int docCount;

//字段在索引文件tip中的起始位置

final long indexStartFP;

final long rootBlockFP;

final BytesRef rootCode;

final BytesRef minTerm;

final BytesRef maxTerm;

//longs：metadata buffer, holding monotonic values

final int longsSize;

final BlockTreeTermsReader parent;

final FST<BytesRef> index;

}

倒排链文件

文件后缀：.doc, .pos, .pay

.doc保存了每个term的doc id列表和term在doc中的词频

全文索引的字段，会有.pos文件，保存了term在doc中的位置

全文索引的字段，使用了一些像payloads的高级特性才会有.pay文件，保存了term在doc中的一些高级特性

文件示例

具体实现类

/**

  Concrete class that reads docId(maybe frq,pos,offset,payloads) list

  with postings format.

 *

  @lucene.experimental

 /

public final class Lucene50PostingsReader extends PostingsReaderBase {

  private static final long BASE_RAM_BYTES_USED = RamUsageEstimator.shallowSizeOfInstance(Lucene50PostingsReader.class);

  private final IndexInput docIn;

  private final IndexInput posIn;

  private final IndexInput payIn;

  final ForUtil forUtil;

  private int version;

//不分词的字段使用的是该对象，基于skiplist实现了倒排链

final class BlockDocsEnum extends PostingsEnum {


}

//全文检索字段使用的是该对象

final class BlockPostingsEnum extends PostingsEnum {


}

//包含高级特性的字段使用的是该对象

final class EverythingEnum extends PostingsEnum {


}

}

列存文件（docvalues）

文件后缀：.dvm, .dvd

索引文件为.dvm，数据文件为.dvd。

lucene实现的docvalues有如下类型：

• 1、NONE 不开启docvalue时的状态

• 2、NUMERIC 单个数值类型的docvalue主要包括（int，long，float，double）

• 3、BINARY 二进制类型值对应不同的codes最大值可能超过32766字节，

• 4、SORTED 有序增量字节存储，仅仅存储不同部分的值和偏移量指针，值必须小于等于32766字节

• 5、SORTED_NUMERIC 存储数值类型的有序数组列表

• 6、SORTED_SET 可以存储多值域的docvalue值，但返回时，仅仅只能返回多值域的第一个docvalue

• 7、对应not_anaylized的string字段，使用的是SORTED_SET类型，number的类型是SORTED_NUMERIC类型

其中SORTED_SET 的 SORTED_SINGLE_VALUED类型包括了两类数据 ： binary + numeric， binary是按ord排序的term的列表，numeric是doc到ord的映射。

文件示例

具体实现类

/** reader for {@link Lucene54DocValuesFormat} */

final class Lucene54DocValuesProducer extends DocValuesProducer implements Closeable {

  //number类型的field的列存列表

  private final Map<String,NumericEntry> numerics = new HashMap<>();

//字符串类型的field的列存列表

private final Map<String,BinaryEntry> binaries = new HashMap<>();

//有序字符串类型的field的列存列表

private final Map<String,SortedSetEntry> sortedSets = new HashMap<>();

//有序number类型的field的列存列表

private final Map<String,SortedSetEntry> sortedNumerics = new HashMap<>();

//字符串类型的field的ords列表

private final Map<String,NumericEntry> ords = new HashMap<>();

//docId -> address -> ord 中field的ords列表

private final Map<String,NumericEntry> ordIndexes = new HashMap<>();

//field的数量

private final int numFields;

//内存使用量

private final AtomicLong ramBytesUsed;

//数据源的文件句柄

private final IndexInput data;

//文档数

private final int maxDoc;

// memory-resident structures

private final Map<String,MonotonicBlockPackedReader> addressInstances = new HashMap<>();

private final Map<String,ReverseTermsIndex> reverseIndexInstances = new HashMap<>();

private final Map<String,DirectMonotonicReader.Meta> directAddressesMeta = new HashMap<>();

//是否正在merge

private final boolean merging;

}

/

metadata entry for a numeric docvalues field */

static class NumericEntry {


private NumericEntry() {}

/

offset to the bitset representing docsWithField, or -1 if no documents have missing values */

long missingOffset;

/** offset to the actual numeric values */

//field的在数据文件中的起始地址

public long offset;

/** end offset to the actual numeric values */

//field的在数据文件中的结尾地址

public long endOffset;

/** bits per value used to pack the numeric values */

public int bitsPerValue;

//format类型

int format;

/

count of values written */

public long count;

/

monotonic meta */

public DirectMonotonicReader.Meta monotonicMeta;

//最小的value

long minValue;

//Compressed by computing the GCD

long gcd;

//Compressed by giving IDs to unique values.

long table[];

/** for sparse compression */

long numDocsWithValue;

NumericEntry nonMissingValues;

NumberType numberType;

}

/

metadata entry for a binary docvalues field */

static class BinaryEntry {


private BinaryEntry() {}

/

offset to the bitset representing docsWithField, or -1 if no documents have missing values

/

long missingOffset;

/** offset to the actual binary values

/

//field的在数据文件中的起始地址

long offset;

int format;

/** count of values written */

public long count;

//最短字符串的长度

int minLength;

//最长字符串的长度

int maxLength;

/

offset to the addressing data that maps a value to its slice of the byte[] */

public long addressesOffset, addressesEndOffset;

/

meta data for addresses

/

public DirectMonotonicReader.Meta addressesMeta;

/** offset to the reverse index

/

public long reverseIndexOffset;

/

packed ints version used to encode addressing information */

public int packedIntsVersion;

/

packed ints blocksize */

public int blockSize;

}参考资料

lucene source code

lucene document

lucene字典实现原理——FST

本文地址：http://elasticsearch.cn/article/6178