29、分布式文档系统_bulk api的奇特json格式与底层性
关于_bulk api的奇特设计格式，比如之前动手练习的，如：
POST /_bulk
{"delete":{"_index":"test_index","_type":"test_type","_id":"4"}}
{"create":{"_index":"test_index","_type":"test_type","_id":"5"}}
{"test_field1":"test client 5","test_field2":"test service 5"}
{"create":{"_index":"test_index","_type":"test_type","_id":"5"}}
{"test_field1":"test client 5","test_field2":"test service 5"}
{"index":{"_index":"test_index","_type":"test_type","_id":"1"}}
{"test_field":"test service 1"}
{"update":{"_index":"test_index","_type":"test_type","_id":"3"}}
{"doc":{"test_field2":"test update 3"}}
-----------------------------------_bulk支持的格式----------------------------------------
{"action": {"meta"}}\n
{"data"}\n
{"action": {"meta"}}\n
{"data"}\n
总会有疑问，为什么_bulk不能用之前我们用的那种格式，如：
PUT /test_index/test_type/3
{
"test_field1":"test client 3",
"test_field2":"test test 3"
}
-----------------------------------_bulk不支持格式----------------------------------------
[{
"action": {
},
"data": {
}
}]
这种格式明显看起来更易读，并且写起来不易出错，为什么不用呢？
原因：
1、bulk中的每个操作都可能要转发到不同的node的shard去执行
2、如果采用比较良好的json数组格式
允许任意的换行，整个可读性非常棒，读起来很爽，es拿到那种标准格式的json串以后，要按照下述流程去进行处理：
（1）将json数组解析为JSONArray对象，这个时候，整个数据，就会在内存中出现一份一模一样的拷贝，一份数据是json文本，一份数据是JSONArray对象
（2）解析json数组里的每个json，对每个请求中的document进行路由
（3）为路由到同一个shard上的多个请求，创建一个请求数组
（4）将这个请求数组序列化
（5）将序列化后的请求数组发送到对应的节点上去
3、这将会耗费更多内存，更多的jvm gc开销
我们之前提到过bulk size最佳大小的那个问题，一般建议说在几千条那样，然后大小在10MB左右，所以说，可怕的事情来了。假设说现在100个bulk请求发送到了一个节点上去，然后每个请求是10MB，100个请求，就是1000MB = 1GB，然后每个请求的json都copy一份为jsonarray对象，此时内存中的占用就会翻倍，就会占用2GB的内存，甚至还不止。因为弄成jsonarray之后，还可能会多搞一些其他的数据结构，2GB+的内存占用。
占用更多的内存可能就会积压其他请求的内存使用量，比如说最重要的搜索请求，分析请求，等等，此时就可能会导致其他请求的性能急速下降
另外的话，占用内存更多，就会导致java虚拟机的垃圾回收次数更多，跟频繁，每次要回收的垃圾对象更多，耗费的时间更多，导致es的java虚拟机停止工作线程的时间更多
4、现在的奇特格式
{"action": {"meta"}}\n
{"data"}\n
{"action": {"meta"}}\n
{"data"}\n
（1）不用将其转换为json对象，不会出现内存中的相同数据的拷贝，直接按照换行符切割json
（2）对每两个一组的json，读取meta，进行document路由
（3）直接将对应的json发送到node上去。
