segments_N文件

简介

在调用IndexWriter.commit方法后，索引目录会生成segments_N一个文件，用来描述当前索引目录中所有有效的段的信息，也就是si文件。持久化的索引必须通过commit生成segments_N，仅仅通过IndexWriter.flush生成的段信息，重新加载索引，无效的段信息文件都会被自动删除。

虽然每次调用commit都会在索引目录中生成一个segments_N文件，但是索引目录中具体可以存在多少个segments_N文件，是由IndexDeletionPolicy决定的，该配置在IndexWriterConfig中设置。默认是使用KeepOnlyLastCommitDeletionPolicy，看名字也知道只保留最新的一次commit产生的segments_N文件。

版本

lucene 9.1.0

源码逻辑

比较简单，位置在：

org.apache.lucene.index.SegmentInfos#write

文件结构全局示意图

字段描述

Header

文件头部信息，主要是包括：

• 文件头魔数（同一lucene版本所有文件相同）
• 该文件使用的codec名称：segments（codec可以理解成文件的布局格式，不同版本lucene相同后缀文件有不一样的版本格式）
• codec版本
• segment后缀名（一般为空）
• segment id（也是Segment_N文件中的N）

LuceneVersion

当前使用的lucene版本，版本号还是三段式：major.minor.bugfix

IndexCreatedVersionMajor

创建该segments_N文件的lucene的版本号的major值，好像跟LuceneVersion字段冗余，不知道为什么。

Version

SegmentInfos对象被修改的次数，也就是整个索引被修改的次数

NameCounter

segment名称，新生成的segment的名称是 _NameCounter组成的前缀

SegCount

索引文件中有效的段的个数

MinSegmentLuceneVersion

存储的是所有segment中的最小的version

SegmentCommitInfo

索引文件中的每一个有效段都对应了一个SegmentCommitInfo。

SegName

段文件的名称前缀。如图中有两个段，段文件的前缀分别是_0和_1，这就是SegName

SegID

每个段都有一个唯一的id

SegCodec

该字段描述了segmentInfo文件编码值，当前版本是是"Lucene90"。

DelGen

liv文件的更新次数，体现在文件名中：

DeletionCount

段中被删除的doc个数

FieldInfosGen

字段信息文件更新的次数，体现在文件名中。不知道怎么情况可以生成。

DocValuesGen

DocValues文件的更新次数，体现在文件名中：

SoftDeletionCount

软删除的文档个数

CommitID

唯一的提交id

FieldInfoFiles

字段信息可能更改，而字段信息文件会有多个版本，字段更改之后会生成新的字段信息文件，由此字段存储字段关联的最新的字段信息文件名。

DocValuesUpatesFiles

DocValues可能更改，而DocValues文件会有多个版本，DocValues更改之后会生成新DocValues文件，由此字段存储字段关联的最新的字段信息文件名。

UserData

类似git的commit信息，可以通过IndexWriter.setLiveCommitData，这样每一次commit就带了用户的信息。

Footer

文件尾，主要包括

• 文件尾魔数（同一个lucene版本所有文件一样）
• 0
• 校验码