文档提交之flush（六）

  本文承接文档提交之flush（五），继续依次介绍每一个流程点。

文档提交之flush的整体流程图

强制发布生成的段

  在文档提交之flush（五）中我们还剩余发布FlushedSegment跟发布FlushedSegment两个流程点未介绍。

发布FlushedSegment的流程图

  图3的流程图描述的是一个FlushTicket执行发布FlushedSegment流程所涉及的处理过程。

处理全局删除信息

  首先给出FlushTicket类，类中包含的主要变量如下：

xxxxxxxxxx

    static final class FlushTicket {

        private final FrozenBufferedUpdates frozenUpdates;

        private FlushedSegment segment;

        ... ....

    }

  从前面的文章（见文档提交之flush（二））中我们了解到，不是每一个FlushTicket都有全局删除信息，即FrozenBufferedUpdates可能为null。如果不为空，我们首先要获得一个nextGen。

  nextGen有什么作用：

• nextGen是一个从1开始递增的值，每一个FlushTicket中的FrozenBufferedUpdates都会同步获得一个唯一的nextGen，某个FrozenBufferedUpdates中的删除信息会作用（apply）到所有比它持有的nextGen小的段
• 在文档提交之flush（二）中我们提到，我们生成FlushTicket后，将FlushTicket添加到Queue<FlushTicket> queue中是一个同步的过程，这是一个使得多个删除信息能正确的获得唯一的nextGen的方法之一

  由于根据nextGen能保证正确的处理删除信息，所以真正的从别的段中处理删除信息的操作，即处理删除信息，就可以作为一个事件添加到eventQueue（见文档提交之flush（四）），使得可以多线程并发执行，在下篇文章中我们将会了解到，处理删除信息的过程是开销较大的工作。

处理段内的删除信息

  在文档提交之flush（四）中我们简单介绍了FlushTicket 中的FlushedSegment中包含的几个信息，至少包含了一个DWPT处理的文档对应的索引信息（SegmentCommitInfo）、段中被删除的文档信息（FixedBitSet对象）、未处理的删除信息FrozenBufferedUpdates（见文档提交之flush（三））、Sorter.DocMap对象，以上内容在文档提交之flush（三）的文章中已介绍。在当前流程点，FlushedSegment中的FrozenBufferedUpdates（非FlushTicket中的FrozenBufferedUpdates）中包含了段内的删除信息。

  另外，在文档提交之flush（三）中我们介绍了，在生成索引文件的过程中，我们只处理了部分满足删除信息（见下文处理丢弃的段的介绍）的文档，到此流程点，我们需要处理剩余的删除信息。

  无论当前FlushTicket中是否还有段内删除信息，当前段都需要获得一个nextGen，之后任何大于nextGen值的删除信息都需要作用到当前段。

将当前段的SegmentCommitInfo添加到SegmentInfos中

  将FlushedSegment中的SegmentCommitInfo，即索引信息添加到SegmentInfos中。SegmentInfos即所有段的索引信息的集合， 在commit( )阶段，SegmentInfos中的信息对应生成Segment_N的索引文件。

处理丢弃的段

  如果当前段中的文档的总个数maxDoc与被标记为删除的（deleted）文档的个数相同，那么该段需要被丢弃，判断条件如下：

xxxxxxxxxx

    delCount + softDelCount == maxDoc

• delCount：该值描述的是满足删除信息TermArrayNode、TermNode（见文档的增删改（下）（part 2））的文档的个数，在生成索引文件.tim、.tip、.doc、.pos、.pay的过程中会找到那些满足删除要求的文档号，随后将这些文档号添加到FixedBitSet（上文介绍了该对象的用途）对象中，随后FixedBitSet中的文档信息在写入到索引文件.liv过程中，将被删除的文档的个数统计到SegmentCommitInfo的delCount中
• softDelCount：该值描述的是包含软删除信息的文档，软删除的具体介绍会单独开一篇文章介绍，这里只要简单的知道，包含软删除信息的文档也是被标记被删除的（deleted）。在文档提交之flush（三）中介绍了在处理软删除文档的流程中，计算出了softDelCount的值，不赘述
• maxDoc：该值描述了当前段中的文档总数，即DWPT收集的文档（见文档的增删改（中））的文档个数

  从上文介绍中我们知道，当前段的SegmentCommitInfo已经被添加到SegmentInfos中，由于段的合并跟flush是异步操作，故运行到此流程点时，当前段可能正在执行段的合并。如果正在合并当前段，那么就不处理，在合并结束后，会自动丢弃该段，否则将此段对应SegmentCommitInfo从SegmentInfos中移除。

执行flush后的工作

  同图1中的执行flush前的工作的流程点,Lucene在此流程点预留了一个钩子函数（hook function），使用者可以实现在此实现自己的方法。

  至此，强制发布生成的段中的发布FlushedSegment流程介绍结束，另外发布FrozenBufferedUpdates的流程逻辑即上文中的处理全局删除信息。

IndexWriter处理事件

  在执行该流程之前，需要先执行下面的几个收尾工作，即执行源码中DocumentsWriterFlushControl.finishFullFlush( )的方法：

• 从blockedFlushes（见文档的增删改（下）（part 3））中将newQueue（见文档提交之flush（一））对应的DWPT添加到flushQueue（见文档的增删改（下）（part 3））中，如果在主动flush期间，其他线程的添加/更新文档操作满足自动flush的要求，那么对应的DWPT会暂时被存放在blockedFlushes中，至于原因已在前面的文章中介绍，不赘述
• fullFlush（见文档提交之flush（二））置为false：该值置为false，表示此次主动flush已经执行结束，自动flush的DWPT（跟主动flush中的DWPT具有不同的全局删除队列deleteSlice，见文档提交之flush（二））可以开始执行图1中执行DWPT的doFlush()的流程，注意的是当前线程还未释放用来同步主动flush的fullFlushLock对象（见文档提交之flush（一））
• 调用updateStallState：更新拖延状态，即调整当前索引写入的健康度，见文档提交之flush（一）中的详细介绍

  上面的收尾工作结束后，接着还需要尝试处理newQueue中的删除信息。

  为什么此时需要尝试处理newQueue中的删除信息：

• 在文档提交之flush（四）中其实我们在图1的执行DWPT的doFlush()流程中已经处理过一次newQueue中的删除信息，条件是内存中的删除信息如果超过阈值的一半，那么需要处理删除信息，阈值即通过IndexWriterConfig setRAMBufferSizeMB设置允许缓存在内存的索引量（包括删除信息）的最大值，目的是为了防止产生过多的小段。
• 而在此流程点，判断的条件是内存中的删除信息是否超过阈值，如果超过阈值并且此时不处理删除信息，那么其他线程的添加/更新文档的操作会被阻塞（见文档的增删改（下）（part 1））

  为什么此时能尝试处理newQueue中的删除信息：

• 主动flush对应的FrozenBufferedUpdates已经获得了nextGen，即能保证正确的作用（apply）删除信息的顺序，故处理自动flush的删除信息是没有问题的

  执行完收尾工作后，当前线程从eventQueue队列中逐个取出所有的事件，即执行事件对应的函数调用，关于事件的概念见文档提交之flush（四）。

  总结前几篇文章中的内容，eventQueue中包含以下几种事件类型：

• 删除文件事件：当使用复合索引文件时，我们需要删除非复合索引文件，见文档提交之flush（四）
• flush失败事件：未能正确生成FlushedSegment产生的事件，在后面的文章介绍IndexWriter的异常处理时会展开介绍
• 处理删除信息事件：当段中的删除信息超过阈值时，需要生成该事件，见文档提交之flush（四）
• 堆积（backlog）处理事件：flush（主动或者自动flush）的速度慢于添加/更新文档的操作时会发生堆积问题，那么生成一个事件来缓解堆积情况，见文档提交之flush（四）
• 发布生成的段中的处理删除信息事件：即上文中的内容

  在下篇文章中，将会介绍图1中剩下的几个流程点以及发布生成的段中生成的处理删除信息事件的逻辑。

点击下载附件