https://segmentfault.com/a/1190000011272749

社區里面有人問了如下一個問題：

執行 bulk 索引文檔的時候，用 index 或者 create 類型并且自定義 doc id 的情況下，是否會像 update 一樣每次都要去 get 一遍原始文檔？ 比如下面的這條命令：

POST _bulk{ "index" : { "_index" : "test", "_type" : "type1", "_id" : "1" } } { "field1" : "value1" } { "create" : { "_index" : "test", "_type" : "type1", "_id" : "3" } } { "field1" : "value3" }

問題出現的原因是他們在 bulk 測試的時候遇到了寫性能的問題，而正巧社區里面前幾天有這么一個類似的帖子，說的是 es 5.x 版本里面做 update 操作的性能問題。雖然和這個問題不完全一致，但都涉及到 es 索引數據的部分。

侯捷老師說：“源碼面前，了無秘密”，那我們就來簡單看下 es 這部分的相關代碼，以便回答開篇提出的問題。

準備工作

我是用?IntelliJ IDEA?來閱讀 elasticsearch 源碼的，操作也簡單。操作步驟如下：

下載 es 源碼，由于 es 的commit信息比較多，可以增加?--depth=1?只下載最近的commit，減少下載時間。

git?clone?https://github.com/elastic/elasticsearch.git --depth=1

安裝 gradle，確保版本在 3.3 及以上，然后在源碼目錄下執行以下命令準備導入?IntelliJ IDEA?需要的文件

gradle idea

下載安裝?IntelliJ IDEA，確保版本為?2017.2?及以上版本。安裝完成后，將 elasticsearch 以 gradle 形式導入即可。

大家可以參考?elasticsearch 文檔說明?和?Elasticsearch源碼分析—環境準備?這兩篇文章，細節我這里就不贅述了。

另外我是分析的 5.5.0 分支，大家記得 checkout，防止行數對應不起來。另外由于 es 代碼結構有些復雜，先不在這篇文章里面梳理整個流程了，直接說核心代碼。

Index/Create 源碼分析

es index 和 create 最終都會調用?org/elasticsearch/index/engine/InternalEngine.java?中下面的方法：

457?public IndexResult index(Index index) throws IOException

注意這里的 index 中包含有要寫入的 doc, 簡單畫下該方法的執行流程圖，代碼這里就不貼了，剛興趣的自己去看。

?

請結合上面的流程圖來看相應的代碼，整個邏輯應該還是很清晰的，接下來我們看?planIndexingAsPrimary?的邏輯。

558?private IndexingStrategy planIndexingAsPrimary(Index index) throws IOException {

這個方法最終返回一個 IndexingStrategy，即一個索引的策略，總共有如下幾個策略：

• optimizedAppendOnly
• skipDueToVersionConflict
• processNormally
• overrideExistingAsIfNotThere
• skipAsStale

不同的策略對應了不同的處理邏輯，前面3個是常用的，我們來看下流程圖。

?

這里的第一步判斷?是否是自定義 doc id?這一步就是 es 對于日志類非自定義 doc id的優化，感興趣的可以自己去看下代碼，簡單講就是在非自定義 id 的情況下，直接將文檔 add ，否則需要 update，而 update 比 add 成本高很多。

而第二個判斷?檢查版本號是否沖突？?涉及到是如何根據文檔版本號來確認文檔可寫入，代碼都在index.versionType().isVersionConflictForWrites方法里，邏輯也比較簡單，不展開講了，感興趣的自己去看吧。

上面的流程圖也比較清晰地列出了策略選擇的邏輯，除去 optimizedAppendOnly 策略，其他都需要根據待寫入文檔的版本號來做出決策。接下來我們就看下獲取文檔版本號的方法。

389?private VersionValue resolveDocVersion(final Operation op) throws IOException {

該方法邏輯比較簡單，主要分為2步：

嘗試從 versionMap 中讀取待寫入文檔的 version，也即從內存中讀取。versionMap 會暫存還沒有 commit 到磁盤的文檔版本信息。

如果第 1 步中沒有讀到，則從 index 中讀取，也即從文件中讀取。

看到這里，開篇問題便有了答案。es 在 index 或者 create 的時候并不會 get 整個文檔，而是只會獲取文檔的版本號做對比，而這個開銷不會很大。

Update 源碼分析

es update 的核心代碼在?org/elasticsearch/action/update/UpdateHelper.java?中，具體方法如下：

public Result prepare(UpdateRequest request, IndexShard indexShard, LongSupplier nowInMillis) { final GetResult getResult = indexShard.getService().get(request.type(), request.id(), new String[]{RoutingFieldMapper.NAME, ParentFieldMapper.NAME, TTLFieldMapper.NAME, TimestampFieldMapper.NAME}, true, request.version(), request.versionType(), FetchSourceContext.FETCH_SOURCE); return prepare(indexShard.shardId(), request, getResult, nowInMillis); }

代碼邏輯很清晰，分兩步走：

獲取待更新文檔的數據

執行更新文檔的操作

第 1 步最終會調用 InternalEngine 中的 get 方法，如下：

350?public GetResult?get(Get?get, Function<String, Searcher> searcherFactory, LongConsumer onRefresh) throws EngineException {

這里就接上開篇提到的社區問題中的源碼分析了。代碼就不展開講了，感興趣的自己去看吧。

update 操作需要先獲取原始文檔的原因也很簡單，因為這里是允許用戶做部分更新的，而 es 底層每次更新時要求必須是完整的文檔（因為 lucene 的更新實際是刪除老文檔，新增新文檔），如果不拿到原始數據的話，就不能組裝出更新后的完整文檔了。

因此，比較看重效率的業務，最好還是不要用 update 這種操作，直接用上面的 index 會更好一些。

總結

本文通過源碼分析的方式解決了開篇提到的問題，答案簡單總結在下面。

es 在 index 和?create?操作的時候，如果沒有自定義 doc?id，那么會使用 append 優化模式，否則會獲取待寫入文檔的版本號，進行版本檢查后再決定是否寫入lucene。所以這里不會去做一個?get?操作，即獲取完整的文檔信息。

最后，記住侯捷老師的話：

源碼面前，了無秘密！

轉載于:https://www.cnblogs.com/davidwang456/articles/9923885.html

總結

以上是生活随笔為你收集整理的elasticsearch index、create和update的源码分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。