倒排序索引的不变性
es的json文档中，每个被索引的字段都有自己的倒排索引，倒排索引会保存每个词项出现过的文档总数，在对应文档中一个具体词项出现的总次数，词项在文档中的顺序，每个文档的长度，所有文档的平均长度等。这些统计信息用于计算哪些词比其它词更重要，哪些文档比其它文档更重要。
倒排序索引被写入磁盘后是不可变的，不可变性可以带来以下好处：
- 不需要锁，不用担心多进程同时修改数据的问题
- 一旦索引被读入内核的文件系统缓存便会留在那里，由于不变性，大部分请求会直接请求内存而不会命中磁盘，提升性能
- 其它缓存（如filter缓存）在索引的生命周期内始终有效，不需要在每次数据改变时被重建
- 写入单个大的倒排序索引允许数据被压缩，减少磁盘I/O和需要被缓存到内存的使用量
倒排序索引的更新
es基于lucene，lucene引入按段搜索的概念，每一个段本身都是一个倒排索引，索引在lucene中除了表示所有段的集合外，还增加了提交点的概念——提交点是一个列出所有已知段的文件。
新的文档首先被添加到内存索引缓存中，然后写入到一个基于磁盘的段。当一个查询被触发，所有已知的段按顺序被查询。词项统计会对所有段的结果进行聚合，以保证每个词和每个文档的管理都被准确计算。
每个提交点会包含一个.del 文件，文件中会列出这些被删除文档的段信息。当一个文档被删除时，它实际只是在.del文件中被标记删除。一个被标记删除的文档仍然可以被查询匹配到，但它会在最终结果被返回前从结果集中移除。
文档更新时，旧版本文档被标记删除，文档的新版本被索引到一个新的段中。可能两个版本的文档都会被一个查询匹配到，但被删除的旧版本文档在结果集返回前被移除了。
段合并
由于自动刷新流程每秒创建一个新的段，会导致段时间内段数量快速增长，每个段都会消耗文件句柄、内存和CPU运行周期，并且每个搜索请求都必须轮流检查每个段，所以段越多，搜索就越慢。
es通过段合并解决这个问题，小的段被合并到大的段，大的段被合并成更大的段。段合并时会将那些旧的已删除文档从文件系统中清除，被删除文档或被更新文档的旧版本不会被拷贝到新的大段中。合并结束后，老的段被删除。
提高搜索性能
内存缓冲区中的文档会被写入到一个新的段中，新段会被先写入到文件系统缓存（代价小），稍后被刷新到磁盘（代价高）。不过只要文件已经在缓存中，就可以像其它文件一样被打开和读取了，这种方式比进行一次提交代价小得多。
es中写入和打开一个新段的过程叫做refresh，默认情况下，每个分片每秒自动刷新一次，文档的变化在刷新后才能被搜索到。刷新的时间间隔通过refresh_interval配置。
事务日志
es中的事务日志（translog）记录了所有还没被刷到磁盘的操作，当es启动时，会从磁盘中使用最后一个提交点去恢复已知的段，并且会重放translog中所有在最后一次提交发生的变更操作。
默认translog每5秒被fsync刷新到磁盘，或者在每次写请求完成之后执行（index、delete、update、bulk），这个过程在主分片和复制分片上都会发生，在写请求被fsync到主分片和复制分片的translog之前，客户端不会得到200 ok的响应
执行一次提交并截断translog的行为在es中被称作一次flush，分片每30分钟被自动刷新（flush），或者translog太大时也会刷新，可以通过配置更改这些参数。