前言
当我们已经学会对于ES的基本使用之后，如果想进一步掌握ES，并能够正确运用，以及遇到问题后的调优，那么一定就要理解ES中的整体架构设计，这其中又涵盖了很多重要的概念，所以我们就先从这些重要的概念开始学起。
集群（Cluster）
ES天生就是以集群方式运行，一个集群由一个或者多个节点组成，通过唯一的名称进行标识，默认集群名称为elasticsearch，可以在config/elasticsearch.yml中进行配置。
节点（Node）
节点指的就是单个ES实例，本质上就是一个JAVA进程，一个集群由一个或者多个节点组成，测试时我们可以把多个节点部署到一台服务器中，生产环境中建议一台服务器运行一个节点。
每个节点通过配置的集群名称来加入一个指定的集群，每个节点又有一个属于自己的节点名称，同样可以在elasticsearch.yml文件中指定。
根据node的作用不同，又可以分为如下几种：
master-eligible node
每个节点启动后，默认就是一个master-eligible 节点。
master-eligible节点可以参与选主，成为master节点，只有master节点才能修改集群中的状态信息，它可以管理整个集群的设置及变化，包括：创建，更新，删除 index；添加或删除 node；为 node 分配 shard。
data node
顾名思义，就是用来保存数据的节点，负责保存分片数据，在数据横线扩展上起到了重要的作用。
coordination node
同样默认情况下每个节点都是coordination node，它可以接受外部的请求，并转发到相应的节点来处理，最终再把结果汇集到一起返回给客户端。
ingest node
数据接入节点，默认情况下每个节点也都是ingest node，它主要用来在对文档进行索引之前做预处理，比如：pipepline。
machine learning node
专门负责跑机器学习任务的节点。
以下节点类型，都可以通过elasticsearch.yml来进行定义。如果下面都设置为false，那么节点就是单纯的coordination node，生产环境中，建议让题个node做专有的功能及角色。
专属data node
专属master-eligible节点
专属ingest节点
专属coordination节点
专属machine learning节点
整体ES机构中，节点布局如下图
分片（shard）
为了更好的支持大量数据的存储以及大量的搜索请求，ES会将索引划分为多份进行存储，每一份索引文件就是一个分片，当你创建一个索引的时候，你可以指定你想要的分片的数量。每个分片本身也是一个功能完善并且独立的“索引”，这个“索引”可以被放置 到集群中的任何节点上。 分片之所以重要，主要有两方面的原因:
- 允许你水平分割/扩展你的内容容量
- 允许你在分片（潜在地，位于多个节点上）之上进行分布式的、并行的操作，进而提高性能/吞吐量
根据分片的类型可以分为：primary shard 和 replica shard。
主分片（primary shard）
每个文档都存储在一个Primary shard。 索引文档时，它首先在 Primary shard上编制索引，然后在此分片的所有副本上（replica）编制索引。索引可以包含一个或多个主分片。 此数字确定索引相对于索引数据大小的可伸缩性。 创建索引后，无法更改索引中的主分片数，
除非Reindex。
副本分片（replica shard）
每个主分片可以具有零个或多个副本。 副本是主分片的副本，有两个目的：
- 提供可用性：如果主分片故障，可以将副本分片提升为主分片
- 提高吞吐量：replica shard和primary shard都可以完成get/search请求。
注意：为了保证可用性，主分片与该主分片对应的副本分片不能存放在同一个节点上。
下图表示某个索引，有3个主分片和1个副本分片（1个副本分片的含义指的是：每一个主分片都配一个副本分片），并且每个主分片和它对应的副本分片都不会同时出现在一个节点上。
分片的设置
分片数过小
- 单个分片数据量过大，导致吞吐量下降。
- 无法通过增加节点来实现水平扩展。分片数过多
- 影响搜索结果的相关性打分，影响统计结果的准确性。
- 单个节点上过多的分片，会导致资源浪费，并且也会影响性能。分片的健康
- 红色：集群中未分配至少一个主分片。
- 黄色：已分配所有主副本，但未分配至少一个副本分片。
- 绿色：已分配所有分片。
文档
ES中的文档就类似于表中的一条记录，它是索引或者搜索的最小数据单元，包含具体的字段和值，通常用JSON形式表示。