当STORE.YES的域生成了倒排表以后，将文档的域值信息写入到.fdt（field data）、.fdx（field index）文件中。

数据结构

.fdt

图1：

### ChunkSize

ChunkSize作为一个参数，用来判断是否要生成一个Chunk，以及用来描述压缩存储域值信息的方式，后面会详细介绍。

PackedIntsVersion

PackedIntsVersion描述了压缩使用的方式，当前版本中是VERSION_MONOTONIC_WITHOUT_ZIGZAG。

Chunk

图2：

在处理每一篇文档的过程中，如果满足以下任意一个条件，那么就将已处理的文档的域值信息生成一个chunk：

已处理的文档数量达到128
已处理的所有域值的总长度达到ChunkSize。

DocBase

当前chunk中第一个文档的文档号（该文档号为段内文档号），因为根据这个文档号来差值存储，在读取的阶段需要根据该值恢复其他文档号。

ChunkDocs

图3：

ChunkDocs是一个numBufferedDocs跟slicedBit的组合值。ChunkDocs = (numBufferedDocs |slicedBit )。

numBufferedDocs

numBufferedDocs描述了当前chunk中的文档数量。numBufferedDocs是一个 ≤ 128的值。

slicedBit

如果待处理的域值信息的长度超过2倍的chunkSize（默认值 16384），那么需要分块压缩，下文会具体介绍。

DocFieldCounts

根据chunk中包含的文档个数numBufferedDocs、每篇文档包含的存储域的数量numStoredFields分为不同的情况。

numBufferedDocs的个数为1

图4：

##### numBufferedDocs的个数＞ 1 并且每篇文档中的numStoredFields都是相同的图5：

只要存储一个numStoredFields的值就行啦。

numBufferedDocs的个数＞ 1 并且每篇文档中的numStoredFields不都相同的

图6：

使用PackedInt来存储所有的numStoredFields，这里不赘述了，点击这里可以看其中的一种压缩方式。

DocLengths

同DocFieldCounts类似，据chunk中包含的文档个数numBufferedDocs、每篇文档中域值信息的长度分为不同的情况。

numBufferedDocs的个数为1

图7：

numBufferedDocs的个数＞ 1 并且每篇文档中的域值信息长度都是相同的

图8：

##### numBufferedDocs的个数＞ 1 并且每篇文档中的域值信息长度不都是相同的

图9：

使用PackedInt来存储所有的域值信息长度，这里不赘述了，点击这里可以看其中的一种压缩方式。

CompressedDocs

图10：

CompressedDocs中使用LZ4算法将域值信息压缩存储。域值信息包含如下内容，字段Doc的数量对应为一个chunk中包含的文档数量：

域的编号
域值的类型：String、BinaryValue、Int、Float、Long、Double
域值的编号跟域值的类型组合存储为FieldNumAndType
Value：域值

.fdt整体数据结构

图11：

上图中是其中一种 .fdt文件数据结构。

图12：

Block

图13：

在.fdt中，每当chunk的个数达到1024(blockSzie)，在.fdx文件中就会生成一个block，block中的信息作为索引来映射.fdt中的数据区间。

BlockChunks

block中包含的chunk的个数，即1024个。

DocBases

图14：

DocBases中描述了文档号的信息。

DocBase

block中第一个文档的文档号。用来在读取阶段，恢复所有chunk中其他被编码的文档号。

AvgChunkDocs

AvgChunkDocs描述了block中平均一个chunk中包含的文档数。

BitsPerDocBaseDelta

BitsPerDocBaseDelta描述了存储文档号的需要固定bit个数。

DocBaseDeltas

一个block中用docBaseDeltas[]数组来存放每个chunk中的文档个数，而每一个chunk中的文档个数是不一样的，出于最大化优化空间存储，不直接对文档数量值进行存储，而是存储差值docDelta。又因为docBaseDeltas[]数组又不能保证数组元素递增，所以不能使用相邻数组元素的差值来作为docDelta，Lucene提供的方法就是计算docBaseDeltas[]中数组元素平均值avgChunkDocs，对每一个数组元素存储一个docDelta的值，docDelta的计算公式为：docDelta = ( docBase - avgChunkDocs * i), 其中i为数组的下标值，docBase是下标值为i的数组元素前所有的数组元素之和，然后对所有docDelta使用PackedInts进行压缩编码，即DocBaseDeltas。

StartPointers

图15：

StartPointers中描述了.fdt文件中每一个chunk的索引映射信息。

StartPointerBase

当前block中第一个chunk的索引值。

AvgChunkSize

block中平均每一个chunk的大小。

BitsPerStartPointerDelta

存储每一个chunk大小需要固定bit个数。

StartPointerDeltas

逻辑跟DocBaseDeltas一样，不赘述。

ChunkCount

chunk的个数。

DirtyChunkCount

在索引阶段，如果还有一些文档未被写入到索引文件中，那么在flush阶段会强制写入，并用该字段记录。

.fdx整体数据结构

图16：

结语

没啥要讲的。

点击下载Markdown文件