核心概念

1. 基于Lucene
2. Java应用

内存使用分析

Lucene的内存消耗

1. 倒排索引。（堆内存）
   Lucene中，索引是存储在磁盘中，一个索引（Index）由多个段（Segment）组成。当启动IndexSearcher时，会把倒排索引加载到内存中，基于不同的数据类型生成不同的词典，比如text生成FST结构的词典，数值类型生成Bkd tree。
2. Doc Values（操作系统缓存）
   当Doc Values占用的内存小于可用内存时，会加载到内存中，否则会放到page cache中。

Elasticsearch内存

1. 基本的元数据（堆内存）
   包括node的元数据和Cluster的元数据，还有内部的一些其他服务，比如线程池，线程队列等等。
2. field data cache（堆内存）
   用于对分词字段进行排序或聚合。使用过程中会将所有字段的值加载到内存中，而且构建缓存的代价很高。在正常使用的过程中，不建议使用这个字段进行聚合或者排序，错误的使用很容易造成OOM。
   请注意，默认的_id这个字段就是text，对他进行排序时会使用fielddata cache
3. Node Query Cache（堆内存）
   每个节点的查询缓存，以段为基本单元，详情查看我的另外一篇文章
4. Shard Request Cache（堆内存）
   Shard级别的缓存。主要用于缓存size=0的请求，aggs和suggestions，还有就是hits.total。
5. Indexing Buffer（堆内存）
   用于缓存新索引的数据，当空间填满之后，会将数据写到磁盘上成为一个新的段。
6. 聚合操作（堆内存）
   聚合会根据需求构建不同的bucket，对单个字段进行聚合可能产生固定数量的bucket，但是某些场景下，比如深层嵌套聚合，或者单个字段不同值过多，都有可能导致生成大量的bucket而OOM。具体可参考