参考资料

• Elasticsearch Aliases
• Elasticsearch Reindex API
• Elasticsearch Size Your Shards

Elasticsearch（03） - 索引设计与零停机重建

读完后，你应能完成以下任务：

• 绘制“Elasticsearch（03） - 索引设计与零停机重建 / 索引边界来自数据生命周期”的关键对象与数据流，解释“索引应围绕 Mapping、访问模式、权限和生命周期形成稳定边界。”，并用源码位置、日志或 Trace 标注证据。
• 为“Elasticsearch（03） - 索引设计与零停机重建 / Alias 驱动的发布流程”设计正常与异常输入，验证“Alias 切换是原子的，但全量回填与增量同步不是。”，输出首个偏差位置与回归测试结果。
• 实现“Elasticsearch（03） - 索引设计与零停机重建 / 批量写入与资源控制”的最小代码或配置，检验“Bulk 请求按字节和处理时间控制，而不是盲目固定一万条。”，输出命令、结果与 Diff，并说明不适用边界。

一、先建立全局：索引设计与零停机重建 是什么？

理解“索引设计与零停机重建”，先要把标题中的对象放进同一条处理链：它接收什么输入，经过哪些状态变化，最终用什么证据判断结果。下表不另造概念，只把作者正文已经解释的章节按依赖顺序连起来。

“索引设计与零停机重建”的第一个核心判断是：索引应围绕 Mapping、访问模式、权限和生命周期形成稳定边界。。先弄清这个判断中的对象和输入输出，后面的实现、故障和验收才有共同语境。

顺序	章节	读完本节应抓住的结论
1	索引边界来自数据生命周期	索引应围绕 Mapping、访问模式、权限和生命周期形成稳定边界。
2	Alias 驱动的发布流程	Alias 切换是原子的，但全量回填与增量同步不是。
3	批量写入与资源控制	Bulk 请求按字节和处理时间控制，而不是盲目固定一万条。
4	失败与回滚边界	若写入已只进入新索引，回滚前要把新产生的变更同步回旧索引。
5	日志和时序数据适合 Data Stream 与滚动策略	日志和时序数据适合 Data Stream 与滚动策略；
6	业务搜索常使用版本索引加读写 Alias	业务搜索常使用版本索引加读写 Alias；

1.1 核心对象之间怎样衔接

flowchart LR
  S1["索引边界来自数据生命周期"] --> S2
  S2["Alias 驱动的发布流程"] --> S3
  S3["批量写入与资源控制"] --> S4
  S4["失败与回滚边界"] --> S5
  S5["日志和时序数据适合 Data Stream 与滚动策略"]

这张图只表达本文的讲解顺序，不替代正文机制。判断“索引设计与零停机重建”是否真正掌握，需要能从最后一个结果沿图回到前面每个章节的输入、状态变化和证据。

1.2 再看失败：问题最早会出现在哪一步？

在“索引设计与零停机重建”的对象和顺序已经明确后，再看可观察的失败：计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致。定位时不从最后一条错误猜原因，而是沿上图找第一个偏离正文结论的节点。

二、索引边界来自数据生命周期

索引应围绕 Mapping、访问模式、权限和生命周期形成稳定边界。 日志和时序数据适合 Data Stream 与滚动策略； 业务搜索常使用版本索引加读写 Alias； 不同租户是否独立索引要权衡隔离、字段差异和分片数量，不能每个小租户都创建大量空分片。

主分片数在索引创建后不能直接修改。 分片过大影响恢复和迁移， 分片过小但数量过多会增加 Cluster State、文件句柄和协调开销。 容量规划同时估算原始数据、索引膨胀、副本、段合并临时空间和未来增长。

三、Alias 驱动的发布流程

PUT product_search_v2
{
  "aliases": {
    "product_search_write": { "is_write_index": true }
  },
  "mappings": { "dynamic": "strict", "properties": {} }
}

推荐流程：创建 v2 并应用 Mapping/Settings； 从权威数据源全量回填； 记录回填期间增量变更； 校验文档数、抽样摘要、权限和查询质量； 在单次 _aliases 请求中把读 Alias 从 v1 切到 v2； 观察后再停止旧索引写入和删除。

Alias 切换是原子的，但全量回填与增量同步不是。 可以使用双写、CDC 或带水位的增量补偿，必须处理重复和乱序。 文档 ID 稳定可让重复 Upsert 收敛； 删除事件也必须传播，否则新索引会留下幽灵数据。

四、批量写入与资源控制

Bulk 请求按字节和处理时间控制，而不是盲目固定一万条。 重建期间可临时调大 Refresh Interval、减少副本以提高吞吐， 但切流前必须恢复生产设置并等待索引健康。 并发过高会触发拒绝、段合并和磁盘压力， 应根据节点 CPU、Heap、磁盘吞吐与 Merge 速率动态限速。

重建任务要保存源快照、水位、成功/失败计数和可重入 Checkpoint。 失败批次进入死信并可修复重放，不能只打印日志后继续切流。

五、失败与回滚边界

切换后若相关性、错误率或延迟退化，应在旧索引仍保留且增量可追赶时切回 Alias。 若写入已只进入新索引，回滚前要把新产生的变更同步回旧索引。 删除旧索引的门槛应包含完整业务周期、备份和回滚窗口。

常见事故包括 Alias 同时指向两个写索引、重建遗漏删除事件、动态 Mapping 漂移、磁盘水位触发只读、分片恢复占满网络。 Runbook 必须给出检查命令、停止条件和负责人。

验收清单

• 分片数、分片目标大小、副本和保留周期有容量依据。
• 全量与增量数据以稳定 ID 收敛，删除传播经过验证。
• Alias 切换前后文档数、权限、搜索质量和 P99 均通过门禁。
• 旧索引在回滚窗口内保留，回切路径已演练。

六、动手验证：先跑通 索引设计与零停机重建，再改变一个变量

前面的章节已经建立问题、概念和机制。现在把“索引设计与零停机重建”放进同一套基线中运行；本节不再引入新术语，只验证前文结论能否被复现。

6.1 基线与候选只允许一个变量不同

验证“索引设计与零停机重建”时，先固定数据快照、并发条件、客户端配置、拓扑和故障注入点。候选方案只能改变本次要验证的变量；如果同时更换数据、依赖和配置，即使结果改善，也不能知道是哪一项产生作用。

执行“索引设计与零停机重建”时，动作是：执行正常读写与故障场景，记录查询计划、锁、复制或消费状态。原始结果不能只保留截图或汇总分数，必须同步保存：执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验，使下一次复查可以在同一输入上重放。

实验要素	本文要求
固定条件	固定数据快照、并发条件、客户端配置、拓扑和故障注入点
唯一变量	本次候选方案与基线之间的一项明确差异
原始证据	执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验
通过阈值	一致性与性能满足正文约束，故障恢复后没有丢失或重复副作用
立即停止	计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致

6.2 执行前先排除不可比较条件

“索引设计与零停机重建”开始前先确认下面四项；任一项不成立，都应先修复实验条件，而不是解释结果。

• 基线能够在“索引设计与零停机重建”的当前环境重复运行。
• 候选只改变一个与“索引设计与零停机重建”结论直接相关的条件。
• “索引设计与零停机重建”的基线和候选使用同一批输入、同一版本依赖与同一通过阈值。
• “索引设计与零停机重建”的原始输出和失败现场不会被重试、格式化或汇总覆盖。

6.3 执行后先核对证据完整性

结果出来后先检查证据，再讨论“索引设计与零停机重建”是否通过。缺少中间状态时，最终输出只能说明现象，不能证明机制。

检查项	当前文章的判定
输入可追溯	固定数据快照、并发条件、客户端配置、拓扑和故障注入点
过程可回放	执行正常读写与故障场景，记录查询计划、锁、复制或消费状态
结果可审计	执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验

“索引设计与零停机重建”的一次合格基线对照按以下顺序执行：

1. 保存“索引设计与零停机重建”基线版本及输入摘要，确认基线本身可以重复运行。
2. 写下“索引设计与零停机重建”候选方案唯一变化的变量，以及它预期影响的指标。
3. 在同一环境执行“索引设计与零停机重建”：执行正常读写与故障场景，记录查询计划、锁、复制或消费状态。
4. 为“索引设计与零停机重建”保存：执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验。
5. 使用“索引设计与零停机重建”预登记条件判断：一致性与性能满足正文约束，故障恢复后没有丢失或重复副作用。
6. 如果“索引设计与零停机重建”未通过，不修改第二个变量，先恢复基线并保留失败现场。

七、用一张矩阵验证 索引设计与零停机重建 的关键结论

矩阵按正文顺序列出“索引设计与零停机重建”的结论。一次实验只选择一行，只改变这一行对应的条件；不要把多行合并成一个无法归因的大实验。

正文章节	已解释的结论	本轮唯一变量	必须保存的证据
索引边界来自数据生命周期	索引应围绕 Mapping、访问模式、权限和生命周期形成稳定边界。	只改变与“索引边界来自数据生命周期”相关的条件	执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验
Alias 驱动的发布流程	Alias 切换是原子的，但全量回填与增量同步不是。	只改变与“Alias 驱动的发布流程”相关的条件	执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验
批量写入与资源控制	Bulk 请求按字节和处理时间控制，而不是盲目固定一万条。	只改变与“批量写入与资源控制”相关的条件	执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验
失败与回滚边界	若写入已只进入新索引，回滚前要把新产生的变更同步回旧索引。	只改变与“失败与回滚边界”相关的条件	执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验
日志和时序数据适合 Data Stream 与滚动策略	日志和时序数据适合 Data Stream 与滚动策略；	只改变与“日志和时序数据适合 Data Stream 与滚动策略”相关的条件	执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验
业务搜索常使用版本索引加读写 Alias	业务搜索常使用版本索引加读写 Alias；	只改变与“业务搜索常使用版本索引加读写 Alias”相关的条件	执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验

7.1 记录本次实际实验

下面的记录用于“索引设计与零停机重建”当前这一次实验，不是第二套知识目录。先从矩阵选择一个章节，再填写实际值；没有填写的字段表示尚未验证。

topic: "索引设计与零停机重建"
selected_chapter: required
claim_from_article: required
baseline_version: required
changed_condition: exactly_one
execution: "执行正常读写与故障场景，记录查询计划、锁、复制或消费状态"
evidence: "执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验"
pass_when: "一致性与性能满足正文约束，故障恢复后没有丢失或重复副作用"
stop_when: "计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致"
observed_result: required
first_deviation: null_or_evidence
recovery_replay: required_after_failure

7.2 边界实验必须证明能够停止和恢复

成功路径只能证明“索引设计与零停机重建”在当前样本上工作，不能证明它可以进入生产。边界实验需要主动制造：计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致，并观察系统是否在产生不可逆副作用前停止。

场景	只改变什么	应保存什么	通过标准
正常路径	使用已知有效输入	执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验	一致性与性能满足正文约束，故障恢复后没有丢失或重复副作用
边界路径	把一个输入推进到约束临界值	临界值前后的输出与指标	不静默降级，不把部分结果冒充成功
明确失败	注入：计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致	原始错误、首个异常阶段和最终状态	失败被正确分类且没有扩大副作用
恢复重放	执行：从数据入口、存储状态、复制消费链路和恢复步骤定位根因	原失败样本的复测证据	原样本恢复，正常样本没有回归

恢复动作不是简单重启。对于“索引设计与零停机重建”，第一步是：从数据入口、存储状态、复制消费链路和恢复步骤定位根因。完成后使用原始失败样本复测；只验证一个新样本成功，不能证明触发条件已经消失。

“索引设计与零停机重建”边界实验结束后，应把正常、临界、失败和恢复四类记录放在同一个运行批次中。这样才能区分“候选方案真的修复问题”和“环境变化让问题暂时没有出现”。

八、索引设计与零停机重建 的结果解释

解释“索引设计与零停机重建”实验时先看首个偏差，而不是最后一条错误。最后的异常通常只是上游状态错误的结果；从末端反推容易误把症状当根因。

观察结果	可以支持的判断	下一步
主链路没有达到预期	计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致	先执行：从数据入口、存储状态、复制消费链路和恢复步骤定位根因
异常链路无法恢复	计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致	先执行：从数据入口、存储状态、复制消费链路和恢复步骤定位根因
新样本成功但原样本仍失败	修复没有覆盖原始触发条件	固定原失败输入，恢复基线后重新比较
指标改善但证据无法回链	数据、版本或中间状态没有固定	暂停发布，补齐可追溯记录后重跑

“索引设计与零停机重建”只有同时满足“一致性与性能满足正文约束，故障恢复后没有丢失或重复副作用”，并且没有出现“计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致”，才可以认为主链路通过。这里的“通过”只对当前固定版本、样本和环境有效，不能外推到尚未测试的容量、权限或数据分布。

如果“索引设计与零停机重建”候选方案与基线差异很小，先检查证据分辨率是否足够；如果差异很大，先排除数据泄漏、环境漂移和版本不一致。两种情况都不能只看一个汇总均值，需要回到逐样本输出和中间状态。

“索引设计与零停机重建”故障定位完成后，记录“现象、首个偏差、根因、改动、原样本复测”五项。缺少原样本复测时，只能标记为待观察，不能标记为已解决。

九、索引设计与零停机重建 的发布判断

发布判断需要把“索引设计与零停机重建”的质量、失败边界和恢复能力放在同一份记录中。以下任一条件缺失，都应停止扩量，而不是用“基本正常”替代证据。

• “索引设计与零停机重建”的基线与候选只存在一个计划内变量。
• “索引设计与零停机重建”的输入、代码、依赖、配置和数据版本可以追溯。
• “索引设计与零停机重建”的正常、临界、失败和恢复样本使用同一套断言。
• “索引设计与零停机重建”的原始输出、中间状态和失败现场已经保留。
• “索引设计与零停机重建”的日志、Trace、截图和测试数据已经脱敏。
• “索引设计与零停机重建”的停止条件、负责人和回滚入口已经演练。
• “索引设计与零停机重建”尚未覆盖的输入、权限、容量和外部依赖已经登记。

最终记录至少包含基线版本、唯一变量、原始证据、首个偏差、恢复复测和发布责任人。没有参与本次修改的人如果不能据此重放“索引设计与零停机重建”的判断，就不能发布。

十、总结

• 索引边界来自数据生命周期：索引应围绕 Mapping、访问模式、权限和生命周期形成稳定边界。
• Alias 驱动的发布流程：Alias 切换是原子的，但全量回填与增量同步不是。
• 批量写入与资源控制：Bulk 请求按字节和处理时间控制，而不是盲目固定一万条。
• 失败与回滚边界：若写入已只进入新索引，回滚前要把新产生的变更同步回旧索引。