Elasticsearch中refresh和flush的区别是什么

摘要: Elasticsearch中refresh和flush的区别是什么

在ES中， 要保证被索引的文档能够立即被搜索到， 有两种方法：_refresh 或者_flush。
那么二者的区别是什么呢？要搞懂这个问题， 就需要对ES中文档的索引过程有个了解。
我们知道ES的索引数据是写入到磁盘上的。但这个过程是分阶段实现的，因为IO的操作是比较费时的。
当一个文档进入ES的初期， 文档是被存储到内存里的，默认经过1s之后， 会被写入文件系统缓存，这样该文档就可以被搜索到了，注意，此时该索引数据被没有最终写入到磁盘上。如果你对这1s的时间间隔还不满意， 调用_refresh就可以立即实现内存->文件系统缓存， 从而使文档可以立即被搜索到。

所以refresh实现的是文档数据从内存到文件系统缓存的过程。
再来看flush,flush是用于translog的。
ES为了数据的安全， 在接受写入的文档的时候， 在写入内存buffer的同时， 会写一份translog日志，从而在出现程序故障/磁盘异常时， 保证数据的完整和安全。flush会触发lucene commit，并清空translog日志文件。 translog的flush是ES在后台自动执行的，默认情况下ES每隔5s会去检测要不要flush translog，默认条件是：每 30 分钟主动进行一次 flush，或者当 translog 文件大小大于 512MB主动进行一次 flush。对应的配置是index.translog.flush_threshold_period 和 index.translog.flush_threshold_size

需要指出的是， 从ES2.0开始，每次 index、bulk、delete、update 完成的时候，一定触发flush translog 到磁盘上，才给请求返回 200 OK。这个改变提高了数据安全性，但是会对写入的性能造成不小的影响。在写入效率优先的情况下，可以在 index template 里设置如下参数："index.translog.durability":"async" 和 "index.translog.sync_interval":30s (默认是5s)。

参考：
1. http://stackoverflow.com/questions/19963406/refresh-vs-flush 2.https://www.elastic.co/guide/en/elasticsearch/reference/current/index-modules-translog.html
3. http://kibana.logstash.es/content/elasticsearch/principle/realtime.html