Elasticsearch如何保证数据不丢失？

如何保证数据写入过程中不丢
- 直接落盘的 translog 为什么不怕降低写入吞吐量？
如何保证已写数据在集群中不丢
in-memory buffer
总结
LSM Tree的详细介绍
参考资料

如何保证数据写入过程中不丢

数据写入请求达到时，以需要的数据格式组织并写入磁盘的过程叫做数据提交，对应es就是创建倒排索引，维护segment文件
如果我们同步的方式，来处理上述过程，那么系统的吞吐量将很低
如果我们以异步的方式，先写入内存，然后再异步提交到磁盘，则有可能因为机器故障而而丢失还未写入到磁盘中的数据

为了解决这个问题，一般的存储系统都会设计transag log (事务日志)或这write ahead log(预写式日志)。它的作用时，将最近的写入数据或操作以日志的形式直接落盘，从而使得即便系统崩溃后，依然可以基于这些磁盘日志进行数据恢复。

Mysql有redo undo log ，而HBASE、LevelDB，RockDB等采用的LSM tree则提供了write ahead log 这样的设计，来保证数据的不丢失

直接落盘的 translog 为什么不怕降低写入吞吐量？

上述论述中，数据以同步方式落盘会有性能问题，为什么将translog和wal直接落盘不影响性能？原因如下：

写的日志不需要维护复杂的数据结构，它仅用于记录还未真正提交的业务数据。所以体量小
并且以顺序方式写盘，速度快

es默认是每个请求都会同步落盘translog ，即配置index.translog.durability 为request。当然对于一些可以丢数据的场景，我们可以将index.translog.durability配置为async 来提升写入translog的性能，该配置会异步写入translog到磁盘。具体多长时间写一次磁盘，则通过index.translog.sync_interval来控制

前面说了，为了保证translog足够小，所以translog不能无限扩张，需要在一定量后，将其对应的真实业务数据以其最终数据结构(es是倒排索引)提交到磁盘，这个动作称为flush ，它会实际的对底层Lucene 进行一次commit。我们可以通过index.translog.flush_threshold_size 来配置translog多大时，触发一次flush。每一次flush后，原translog将被删除，重新创建一个新的translog

elasticsearch本身也提供了flush api来触发上述commit动作，但无特殊需求，尽量不要手动触发

如何保证已写数据在集群中不丢

对每个shard采用副本机制。保证写入每个shard的数据不丢

in-memory buffer

前述translog只是保证数据不丢，为了其记录的高效性，其本身并不维护复杂的数据结构。实际的业务数据的会先写入到in-memory buffer中，当调用refresh后，该buffer中的数据会被清空，转而reopen一个segment,使得其数据对查询可见。但这个segment本身也还是在内存中，如果系统宕机，数据依然会丢失。需要通过translog进行恢复

其实这跟lsm tree非常相似，新写入内存的业务数据存放在内存的MemTable（对应es的in-memory buffer），它对应热数据的写入，当达到一定量并维护好数据结构后，将其转成内存中的ImmutableMemTable(对应es的内存segment)，它变得可查询。