直接上图：
index
Elasticsearch 的 index 类似于关系型数据库中的库，index 是存储数据的单元总称。但实际上，这个只是程序角度，在 es 的内部实现角度，每个index相当于一个命名空间，这个空间指向一个或者多个shards 。
为什么用 index，为了更好地表达，数据存储与搜索的意思。
inverted index
Elasticsearch 是基于 Lucene 的，而 Lucene 是基于 inverted index 的，inverted index可以更好地服务于搜索。 inverted index(倒排索引)可以获取数据中唯一的 terms 或 token，然后记录哪些文档包含这些 terms 和 token。
查看 http://en.wikipedia.org/wiki/Inverted_index 获取更多了解。
shard
一个 shard (分片) 是 Lucene 的一个实例，它本身具备一个功能齐全的搜索引擎。 一个 index 可以由一个 shard 组成，但大部分情况下都是由多个 shard 组成，这样就可以允许 index 继续增长和分割到不同的机器上。
primary shard (主分片)是主要文档的入口，replica shard (副本分片)是主分片的复制集，并提供主分片所在的节点故障时的故障转移，同时也会增加读写吞吐量。
segment
每个 shard 包含多个 segment(段)，每个段就是一个 inverted index(倒排索引)，在分片中，每次搜索将会依次搜索每个段，然后将其结果合并到该分片的最终结果中，然后返回。
每次写入新文档时， Elasticsearch 会搜集这些新文档存储于内存中（为了安全，放在事务日志中），然后每隔 1s ，将一个新的小段写入磁盘，并 refreshes ，使其可以被搜索到。
这使得新段中的数据对搜索可见，但该段尚未与磁盘进行同步，因为数据依然可能会丢失。
然后，再每隔一段时间，Elasticsearch 将会执行flush，这意味着会执行段与磁盘同步的操作（commit），接着是清除事务日志，事物日志已经被写入到磁盘了，不再需要了。
分段越多，每次搜索所需要的时间越长。因此 Elasticsearch 会在后台执行合并操作，将大量相似的尺寸的小段合并到一个更大的段中。写入到大段后，旧段会被删掉。当有大量的小段时，这个过程会反复执行。
segment 是不可分的最小颗粒。当更新文档时，它实际上只会将旧文档标记为已删除，并为新文档创建新的索引，上述的合并过程还会消除段中这些标记删除的文档。
本文由 Chakhsu Lau 创作，采用 知识共享署名4.0 国际许可协议进行许可。
本站文章除注明转载/出处外，均为本站原创或翻译，转载前请务必署名。