solr segment合并的一些心得

简单写一下最近看到的一个问题。

问题：solr段合并的时候，DocID的逻辑上有些许变化，有些不再是段中的DocId加上偏移量。

定位：首先，solr的底层也都是调用的lucenne的代码，所以这一块就跟lucene没有什么区别。逻辑上数据是先写入缓存的，当达到阈值的时候开始持久化到磁盘中，写入新的段。由于段合并的逻辑，会判断相邻的10个段（举例）是否达到合并的要求，如果达到合并的要求，就会进行合并生成一个新的段。
参考过，Lucene 原理与代码分析完整版 如果想研究lucene的话，可以好好看看，写的很不错。不过可能由于版本太久，合并的逻辑进行了更改。新生成的newDocId不一定等于offset+oldDocId，每一段的DocId都是从0开始重新编排的，一个段也是一个独立的存在，在生成的索引文件目录中也可以看到。源代码的处理当时是，先判断是否有document是否被删除，如果删除就将后面的ID往前移，所以逻辑上还是有些变化的。源码后续再贴出来，在MergeState初始化的时候，就会定义这样的一个逻辑，存储在docMaps中。

不过有个问题是，我新导入的数据，好像并没有删除document的时候，也会有一些DocId发生了类似的变化。