Elasticsearch通过分片和副本机制来保障服务可用性。
节点类型
MasterNode
每个节点默认都是Master Eligible节点，可通过配置node.master=false来禁止参加选主。MasterNode作用如下
1.负责维护集群状态并同步给其他所有节点，包含所有节点信息、所有索引及其配置、分片的路由信息
2.创建或者删除索引
3.决定分片如何分配到不同的DataNode
为了保障master节点可用性，建议分离DataNode和MasterNode，单独配置3个以上的MasterNode构成小集群，低配即可，另外注意配置仲裁数大于MasterNode总数一半以上，防止出现脑裂问题。
DataNode
DataNode主要用于存储索引数据，对文档进行增删改查、搜索聚合排序等操作。对CPU、IO、内存要求都比较高。
每个节点默认都是DataNode，可通过配置node.data=false来禁止存储数据。
Coordinating节点/Client节点
每个节点默认都是Client节点，用于接受客户端请求，路由请求到不同DataNode和MasterNode，本质上是一个智能负载均衡器，可以根据集群状态来路由请求到不同的节点。
该节点仅负责转发请求，机器一般配置即可。但如果处理聚合排序操作，需要在client节点做二次处理，建议多配点内存。
Ingest节点
5.x之后新加入IngestNode，用于请求参数的预处理，作用类似logstash的filter。
Machine Learning节点
主要是采用机器学习中的无监督算法，实现时序数列的异常发现。由于X-PACK中商用收费软件，目前网上关于X-PACK Machine Learning的介绍非常少
部落节点
部落节点可以跨越多个集群，它可以接收每个集群的状态，然后合并成一个全局集群的状态，它可以读写所有节点上的数据
分片（Shard）
分片分为主分片Primary Shard和副本分片Replica Shard。
- 主分片将一个索引数据分散在不同的节点上，实现存储的水平扩展，注意索引创建时执行主分片数，数据路由根据主分片数计算，后期修改会造成索引重建。
主分片数设置过小会造成单个datanode存储不了过多数据，设置过大会造成单个datanode分片过多影响性能。建议单个分片大小设置为50G以内，再计算出合适的分片数。
- 副本分片提高数据可用性和读取性能，主分片和副本分片不在同一个节点上，一旦主分片丢失，副本分片将提升成主分片。副本分片可以随时调整。
副本分片数过小会影响可用性，过大会影响写入性能。
集群健康状态
Green：健康状态，所有主分片和副本分片都可用
Yellow：亚健康，所有主分片可用，部分或者全部副本分片不可用
Red：不健康状态，部分主分片不可用
故障转移
es最好部署3个以上的节点，并且配置仲裁数大于一半节点，防止master选举的脑裂问题。
1.当一个节点掉线，如果该节点是master节点，则通过比较node ID，选择较小ID的节点为master。
2.然后由master节点决定分片如何重新分配。同理，新加入节点也是由master决定如何分配分片。
