存储格式

一个 tantivy 索引是一个 meta.json 加若干个段，一个段是一组共用同一个 uuid 前缀的文件：.term（词典）、.idx（倒排表）、.pos（位置）、.fieldnorm、.store（文档存储）、.fast（快速字段），有删除时再加一个 .{opstamp}.del。段写完就不再修改，唯一会换的是 .del。这一部分按文件逐个讲它们的字节格式、怎么写出来、怎么读，也就是磁盘主线：查询里的一个词从词典查到倒排表，打分时读 fieldnorm，最后从 doc store 取回原文、从快速字段读排序用的值。

代码分布（按 tag 0.27.0 统计 .rs 行数，含单元测试）：src/directory/ 3203 行，src/termdict/ 1917 行，src/postings/ 4999 行，src/positions/ 478 行，src/store/ 2813 行，src/fastfield/ 3020 行，src/fieldnorm/ 827 行；快速字段的格式在工作区的 columnar/src/（14438 行），它用到的 sstable/src/ 5388 行、bitpacker/src/ 1875 行。

1. Directory：所有段文件都经过 Directory trait 读写，读出来的是 FileSlice 而不是 Read；默认的 MmapDirectory 落盘，ManagedDirectory 记账并做垃圾回收，每个文件末尾有一个带版本和 crc 的 footer。
2. 倒排表：.idx 按词存文档号和词频，每 128 个一块做 bitpacking，带跳表。
3. 位置：.pos 存每个词在文档里出现的位置，供短语查询使用。
4. 词典：.term 把词映射到它在 .idx、.pos 里的位置信息，默认用 FST，开 quickwit feature 时换成 sstable。
5. 文档存储：STORED 的字段按约 16 KB 一块压缩（默认 lz4），块尾一张偏移表，跳表从文档号找块；每段一个 100 块的 LRU 缓存，在 1289 块的日志段上随机取文档只命中 7.5%。
6. 快速字段：.fast 是 tantivy-columnar 的列存，一个文档几个值按段推断；普通数值列在 Bitpacked 和 BlockwiseLinear 之间按估算挑小的，Linear 只用于多值列的 start offsets 和 tie-breaker；字符串列存排序字典里的序号。
7. fieldnorm 与删除位图：字段长度压成一个字节（0 到 40 精确，之后误差不超过约 11%），BM25 按它查表；删除写成文件名带提交 opstamp 的存活位图，被删文档在合并前仍计入统计，合并时 avgdl 也会变。

flowchart TB
  meta["meta.json"] --> seg["段 uuid"]
  seg --> term[".term 词典"]
  term --> idx[".idx 倒排表"]
  idx --> pos[".pos 位置"]
  idx --> fnorm[".fieldnorm"]
  idx --> del[".opstamp.del"]
  del --> hits["前 10 个文档"]
  fnorm --> hits
  hits --> store[".store"]
  seg --> fast[".fast"]
  fast --> hits

六种文件各自独立：一个字段可以只进倒排（INDEXED）、只进 doc store（STORED）、只进列存（FAST），也可以都进，schema 怎么组合这些标志见 Schema 与字段。这些文件是段定稿时写出的（doc store 例外，文档一进来就开始写），过程在 段写入；合并时每种文件各有自己的合并逻辑，在 合并。用一次真实提交看一个段的目录清单和 meta.json 原文，见 一个段。