Elasticsearch（ES）底层写流程,包含查询性能高的原因(秒级处理)，近实时（Near RunTime）特性

整体流程介绍
首先客户端发一个请求，要写数据（增删改），数据是存在索引index中的，索引分成若干个分片（shard）,不管是主分片还是副分片，都是存在硬盘上的，落实成文件，这是必然流程，一定是这样的，但是要做写操作的时候，往硬盘里面写数据，是I/O操作，重量级操作，很慢，不符合ES的近实时（NRT,Near RunTime）特性,无论是写还是查，1秒内返回。要是使用I/O流，未必能达到1秒返回。
默认 ES会在内存里面开一个缓存，缓存的大小无限制，但里面只存1秒的数据，记录完一秒的数据，下一秒重新开一个缓存来记录下一秒的数据， 这一秒记录好的数据，会放在内存的另外一个地方-分段（segment），类似java里面的File，一秒的数据一个分段，记录一段时间后，内存里面的分段数量明显变多，然后ES会请求操作系统协作，每隔一段时间会把分段交给系统缓存（OS cache）管理工具，每个操作系统都有缓存管理工具，不管是windows 还是linux，缓存管理基于虚拟内存（拿硬盘做缓存）和内存缓存两个一起用。

ES就会把分段交给操作系统，让它协作管理，在操作系统的系统缓存区里面放了很多分段（segment），时间不断变长后，缓存里面的分段数量也会变多，操作系统拥有全资源控制能力，但是资源是有限的，不可能无限使用。然后它也会把数据往硬盘里面刷，刷到硬盘里面是一个个的分段， 就会变成文件，但是文件的数量是很多的。
查询性能高的原因
这么多分段文件，ES这么处理的目的就是，查询。每秒一个缓存，缓存里的数据会被立刻查到，上一秒的数据在分段里面，分段里面的文件也是被开启状态（OPEN）也可以做搜索查询，在操作系统缓存里面放置的分段文件也是开启的，也可以做查询操作，在硬盘里面的文件同样是这样，也可以做搜索查询。它又是多线程操作，硬盘上的文件由长期I/O去管理。这就是ES查询快的原因。
但是在整个流程里面会有问题，
1. 断电，丢数据（缓存中的数据）情况问题
不管是缓存，还是分段（segment），系统缓存（OS cache），一旦电脑断电，硬盘还没有存数据，就会丢数据。ES为了这个情况发生，它会在写操作的同时，也会记录translog日志文件（记录命令），日志永久在硬盘上，而且是长I/O，长期定位。万一断电发生，在重启的时候会全看日志，把日志的命令还原到内存里面。
2.硬盘文件数量多问题
硬盘的文件数量会随着时间的变长而变多，所以ES会在每隔一段时间或者空闲的时候，会把系统硬盘里面大小相近的分段文件读到内存里，然后合并，合并成一个更庞大的segment文件，在合并过程中，把所有已标记删除的数据清除，把文件压缩，压缩完后，还是交给系统缓存（OS cache），所以硬盘上的文件是逐渐变多，再经由合并，再逐渐变少，如果长期没有写操作，最终会变成一个分片（一个文件），不是一个索引一个文件，一个分片若干个分段。
3.日志文件容量问题
随着时间的增长，日志文件的大小也会吃尽硬盘的所有容量，ES会在日志处做一个周期化的提交（commit point）比如说合并文件的周期30分钟，那么translog的提交周期就是30分钟，只要把数据写到硬盘里面，说明没有问题了，ES就会把老的命令数据清除，这样最极限的情况就是存60分钟的命令，不至于发生把硬盘吃尽的情况发生，
总结
不考虑文件是否排列紧密，先做标记删除和再新增，使用周期化处理，读取硬盘中大小相近的分段文件做合并整理，合并整理的时候清除标记删除的数据，做一下压缩化处理，按照整体流程不断循环往复，让自己的应用文件数量保持在一个合理范围。缓存中，硬盘中的文件都是可搜索状态（OPEN）让增删改查都是近实时（NRT,Near RunTime）处理，达到秒级处理