在 Elasticsearch 中，更新和删除文档的过程与插入文档有一些不同。虽然它们都涉及到文档在 Elasticsearch 中的存储和管理，但具体的实现方式和细节有所区别。以下是 Elasticsearch 更新和删除文档的详细过程。

1. 更新文档的过程

Elasticsearch 在进行文档更新时，并不会直接修改已存储的文档，而是通过以下步骤进行“更新”操作：

1.1 Elasticsearch 的更新策略

更新文档的实际过程是通过 删除旧文档 和 插入新文档 实现的。这个操作的核心思想是 不可变性，即文档一旦被写入，就不会被修改，修改实际上是创建一个新的文档，并删除旧的文档。

具体更新流程如下：

1.2 更新文档的请求

更新文档通常使用 update API 来进行操作。它通常包含两部分：

• doc：包含需要更新的字段和新的值（仅更新部分字段，不更新整个文档）。
• upsert：如果文档不存在，指定的文档将会被插入。

例如，更新某个文档的某个字段：

复制
1POST /index_name/_update/document_id
2{
3  "doc": {
4    "field1": "new_value"
5  }
6}

如果文档不存在，则可以使用 upsert 来插入新文档：

复制
1POST /index_name/_update/document_id
2{
3  "doc": {
4    "field1": "new_value"
5  },
6  "upsert": {
7    "field1": "new_value",
8    "field2": "default_value"
9  }
10}

1.3 更新请求的执行

当更新请求到达 Elasticsearch 集群时，处理过程如下：

1. 路由到正确的分片：更新请求通过路由机制被路由到包含目标文档的分片。如果没有指定路由，则使用默认的 _id 进行路由。

2. 删除旧文档：在分片上，Elasticsearch 会首先删除具有相同 _id 的文档。实际上，文档并不会立即从磁盘删除，而是被标记为删除。Lucene 会将该文档标记为“删除标记”，即 soft delete。这意味着它在物理层面上并没有立刻从磁盘中移除，但它在后续的查询和索引更新中将被忽略。

3. 插入新文档：随后，Elasticsearch 会将新的文档插入到索引中。这是一个插入新文档的过程，实际上是将新文档写入分片中的倒排索引，并根据新的文档重新计算倒排索引。

4. 更新文档版本：在 Elasticsearch 中，每个文档都有一个版本号。当更新文档时，版本号会自增，表示该文档是一个新的版本。Elasticsearch 使用版本控制机制来保证文档更新时的并发一致性。

1.4 文档更新的性能考虑

• 更新并非原子操作：Elasticsearch 的更新操作不是原子操作，因为它先删除文档，再插入新文档。这可能在高并发场景下导致性能瓶颈或“丢失更新”问题。
• 延迟写入：在一些情况下，文档的删除标记和新文档的插入会产生延迟。这是因为 Elasticsearch 在优化存储时会合并和清理旧的删除标记，这会消耗更多的资源。

2. 删除文档的过程

删除文档的过程与更新文档的部分流程相似。删除文档的核心操作是 标记删除，并在后台定期清理。

2.1 删除文档的请求

删除文档通常使用 delete API 来执行，格式如下：

复制
1DELETE /index_name/_doc/document_id

这个请求会从 Elasticsearch 中删除指定的文档。

2.2 删除请求的执行

当删除请求到达 Elasticsearch 集群时，处理过程如下：

1. 路由到正确的分片：和更新操作一样，删除请求也通过路由机制路由到正确的分片。

2. 标记文档为删除：Elasticsearch 会将目标文档标记为删除。实际上，Lucene 会对文档进行“软删除”（soft delete），即不会立即从磁盘上物理删除该文档，而是将其标记为删除。这个操作相对快速，Elasticsearch 会更新文档的元数据，标记它为已删除。

3. 删除标记和删除合并：Elasticsearch 会将删除标记保留在内存中，并在适当的时候（如段合并操作）物理删除这些文档。在 Elasticsearch 的背景中，这一过程称为 segment merge，即将多个小的索引段合并为一个更大的索引段。在这个过程中，所有标记为删除的文档会被移除，释放磁盘空间。

2.3 删除文档的性能考虑

• 删除操作并不影响搜索结果：删除文档实际上只是将文档标记为删除，直到后续的合并操作才会真正清理这些文档。因此，删除操作对于查询性能没有即时影响，查询时仍然会忽略已删除的文档。
• 垃圾回收（GC）：删除标记的文档需要通过 segment merge 操作才能完全清除。由于 Elasticsearch 的索引文件可能会变得非常大，因此必须定期进行 segment merge 操作，以避免存储空间的浪费。

3. 关于版本控制和并发问题

在进行更新或删除操作时，Elasticsearch 会使用版本控制来防止并发修改问题。每次更新都会增加文档的版本号。默认情况下，Elasticsearch 会在更新时校验版本，确保没有并发更新操作。版本号的存在确保了更新操作的顺序一致性，避免丢失数据或覆盖更新。

3.1 版本控制机制

• 乐观锁：每次更新或删除文档时，Elasticsearch 会检查文档的版本号。通过校验版本号来判断是否存在并发修改。如果版本不一致，Elasticsearch 会返回版本冲突错误。
• 版本冲突处理：如果两个客户端同时更新同一个文档，且版本不一致，Elasticsearch 会返回版本冲突错误。客户端可以通过重试或其他方式解决冲突。

4. 更新和删除文档的高效性

虽然更新和删除文档的过程看似复杂，但 Elasticsearch 通过以下方式优化了这些操作：

• 分布式和并行处理：更新和删除操作在集群中是分布式执行的，可以并行处理大量请求。
• 写时复制和写时合并：通过写时复制（write-once）和写时合并（segment merge）等机制，Elasticsearch 可以高效地管理和清理文档，提高写入性能。
• 背景清理任务：在后台，Elasticsearch 会定期进行删除标记的清理操作，确保索引文件的空间不会被浪费。