当IndexWriter执行commit()操作后，会生成一个segments_N文件，该文件描述了当前索引目录中所有有效的段信息文件(active segment info)，即之前文章介绍的segmentInfo文件，仅仅通过flush()生成的段成为无效的段信息文件。

索引目录中可能存在多个Segments_N文件，每个Segment_N文件代表某次commit()时的索引状态，其中N值最大的Segments_N文件代表最新的一次提交，它包含当前索引目录中所有的索引信息。

图1中最新的一次提交生成了Segments_5文件。

图1：

图1中Segments_N文件包含的索引信息关系如下图：

图2：

一个索引目录中存在多个segments_N文件的原因大体分为两点：

旧的segments_N暂时不能被删除：原因很多，在后面介绍IndexWriter的文章中会提及
使用了非默认的IndexDeletionPolicy：IndexDeletionPolicy提供了一个策略，该策略描述了当一个新的commit()提交后，如果处理旧的提交，Lucene7.5.0中默认使用的是KeepOnlyLastCommitDeletionPolicy，它是IndexDeletionPolicy的其中一个实现，即当有新的提交时，删除前面的提交，比如在图1中，就只会保留segments_5文件；例如同样作为IndexDeletionPolicy的另一个实现，NoDeletionPolicy，使用该策略就会保留每次的commit()，这么做的好处就相当于设置了每一个commit()检查点，配合CommitUserData(下文会介绍)，我们可以将索引信息恢复到任意一个检查点，缺点是很明显的，如图2中，每一个segments_N都包含了以往所有的信息，索引目录的大小因此会很大。

segments_N文件的数据结构

图3：

LuceneVersion

图4：

LuceneVersio描述了当前运行的Lucene版本，比如本文基于Lucene7.5.0写的，那么LuceneVersion的值如下：

LATEST.major：7
LATEST.minor：5
LATEST.bugfix：0

IndexCreatedVersionMajor

IndexCreatedVersionMajor描述的是创建该segment_N文件的Lucene的major值，在读取阶段，该segment_N文件可能被更高版本的Lucene读取，用来检查兼容性。

Version

Version描述的是segmentInfos对象发生更改的次数。

segmentInfos对象的概念见文章近实时搜索NRT（一）中流程点获得所有段的信息集合SegmentInfos的介绍。

NameCounter

NameCounter用来给新的segmentInfo文件提供名字的前缀值，例如下图中 _8 即为前缀值。

图5：

SegCount

该字段描述了当前索引目录中的有效的段信息文件(active segment info)。

MinSegmentLuceneVersion

图6：

索引目录中的.si文件的版本可能各不相同，MinSegmentLuceneVersion记录版本最小的，不详细展开，同图4。

SegmentCommitInfo

图7：

该字段描述了一个segmentInfo文件(.si文件)的信息。

SegName

该字段描述了segmentInfo文件及对应的其他索引文件的名字前缀，图8中，下面所有的文件属于同一个segment，segName的值为"_1"

在读取segment_N文件阶段，通过SegName找到.si索引文件，结合SegmentCommitInfo就可以获得一个段的完整的信息

图8：

SegID

该字段描述了segmentInfo文件的一个唯一标示。

SegCodec

该字段描述了segmentInfo文件编码值，例如"Lucene70"。

DelGen

该字段描述了属于同一个segment的.liv文件的迭代编号（generation number），它用来命名下一次生成的索引文件.liv，该字段的详细介绍见构造IndexWriter对象（九）。

DeletionCount

该字段描述了segmentInfo文件中被删除文档的个数。

FieldInfosGen

该字段描述了属于同一个segment的.fnm文件的迭代编号（generation number），它用来命名下一次生成的索引文件.fnm，该字段的详细介绍见构造IndexWriter对象（九）。

DocValuesGen

该字段描述了属于同一个segment的.dvm、.dvd文件的迭代编号（generation number），它用来命名下一次生成的索引文件.dvd、.dvm，该字段的详细介绍见构造IndexWriter对象（九）

SoftDelCount

该字段记录软删除的文档个数，软删除的概念后面介绍文档的添加、删除、更新时会给出详细含义。

FieldInfosFiles

如果域的信息发生了变化（更新），那么会记录最新生成的.fnm文件。

UpdatesFiles

记录发生变化的索引文件，比如调用了IndexWriter.updateDocValues(…)的方法后，会生成新的.dvd、.dvm文件，那么域值跟索引文件名字的信息。

图9：

上图中，先找出包含域名为"content"，域值为"c"的文档，然后更新该文档中的NumericDocValuesField域，更新域名跟域值。此操作后，会生成新的.dvd、dvm文件。

CommitUserData

该字段可以通过调用IndexWriter.setLiveCommitData(…)来在commit()时记录自定义的信息，上文中提到，如果使用了NoDeletionPolicy，那么Lucene会保留每一次commit()时的索引文件信息作为检查点，这样我们可以通过CommitUserData跟Segment_N来回退到任意的检查点。

segments_N文件的总数据结构

图10：

结语

无

点击下载Markdown文件